본 논문은 대규모 언어 모델(LLM) 시대에 다중 에이전트 기반 뉴스 기반 시계열 예측을 잠재적인 패러다임 전환으로 제시합니다. 이 과제의 어려움은 다양한 뉴스 이벤트가 시계열 변동에 미치는 영향을 측정하는 데 있습니다. 이를 위해서는 에이전트가 혁신적인 사고 능력과 오해의 논리를 식별하는 능력을 강화해야 합니다. 기존의 다중 에이전트 논의 프레임워크는 이 두 가지 능력을 최적화하는 측면에서 시계열 예측에 대한 개선이 제한적입니다. 본 연구는 혁신을 촉진하는 경쟁의 역할에서 영감을 얻어 다중 에이전트 논의 내에 경쟁 메커니즘을 통합하여 에이전트의 혁신적인 사고 능력을 향상시킵니다. 또한, 오해의 정보를 식별하는 모델의 능력을 강화하기 위해 미세 조정된 소규모 LLM 모델을 반성 단계에 통합하여 보조적인 의사 결정 지원을 제공합니다. 실험 결과는 경쟁이 에이전트의 혁신적인 사고 능력을 향상시켜 시계열 예측 성능을 크게 향상시킬 수 있음을 확인합니다. 사회 과학의 연구 결과와 유사하게, 이 프레임워크 내에서 경쟁의 강도는 에이전트의 성능에 영향을 미칠 수 있으며, LLM 기반 다중 에이전트 시스템을 연구하는 새로운 관점을 제공합니다.
