본 논문은 대규모 언어 모델(LLM) 기반 멀티 에이전트 시스템의 비용 효율성을 개선하기 위한 새로운 접근 방식인 BAMAS를 제안한다. BAMAS는 예산 제약 조건 하에서 최적의 LLM 선택, 상호 작용 토폴로지 결정을 위해 정수 선형 프로그래밍(Integer Linear Programming)과 강화 학습(Reinforcement Learning)을 활용한다. 세 가지 대표적인 작업에 대한 평가 결과, BAMAS는 기존 방법과 유사한 성능을 유지하면서 최대 86%의 비용 절감을 달성했다.
