PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.05477v1cs.MA

다중 에이전트 대규모 언어 모델 대화에서의 결정 프로토콜

Decision Protocols in Multi-Agent Large Language Model Conversations

대규모 언어 모델(LLM)의 태스크 성능 향상은 필수적이지만, 이러한 모델의 스케일링은 수확 체감 및 높은 비용과 같은 상당한 과제에 직면해 있다. 다중 에이전트 시스템(MAS)은 전문화된 에이전트들 사이에 태스크를 분산하여 전체적인 태스크 성능을 향상시키는 유망한 해결책을 제시한다. 이를 통해 토론 및 의사결정 과정으로 인한 테스트 시간 증가를 감수하는 대신 학습 비용을 줄일 수 있다. 결정 프로토콜은 여러 에이전트가 최종 솔루션 생성을 위해 협력하는 방식을 규정하기 때문에 MAS의 핵심 구성 요소이다. 본 논문은 Multi-Agent LLM(MALLM) 프레임워크를 소개하며, 이는 대화형 태스크 해결을 위한 다중 에이전트 토론을 시뮬레이션하고자 투표(voting), 합의(consensus), 판사 결정(judge decision) 메커니즘 등 다양한 결정 프로토콜을 구현하고 평가한다. 단일 결정 프로토콜을 사용하거나 제한된 데이터셋에서만 테스트한 기존 연구와 달리, 본 연구는 지식 기반 데이터셋(MMLU, MMLU-Pro, GPQA)과 논리 기반 데이터셋(StrategyQA, MuSR, Math-lvl-5, SQuAD 2.0)에 이르는 다양한 태스크 집합에 대한 영향을 체계적으로 검토한다. 실험 결과, 합의 프로토콜은 지식 집약적 도메인에서 우수한 성능을 보이는 반면, 투표 및 판사 프로토콜은 논리 기반 태스크에 더 효과적임을 보여준다. 독립적인 솔루션 생성을 통한 응답 다양성 증가는 결정 품질을 향상시키는 반면, 결정 과정에서의 정보 접근 방식 변화는 최소한의 영향만 미친다.