Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Large Language Models Miss the Multi-Agent Mark

Created by
  • Haebom

저자

Emanuele La Malfa, Gabriele La Malfa, Samuele Marro, Jie M. Zhang, Elizabeth Black, Micheal Luck, Philip Torr, Michael Wooldridge

개요

대규모 언어 모델 기반 다중 에이전트 시스템(MAS LLMs)에 대한 최근 관심으로 복잡한 작업을 해결하기 위해 여러 LLMs를 활용하는 프레임워크가 증가했습니다. 그러나 이러한 많은 문헌들은 MAS의 기본 원칙을 다루지 않고 MAS의 용어를 도용합니다. 본 논문은 에이전트의 사회적 측면, 환경 설계, 조정 및 통신 프로토콜, 그리고 출현 행동 측정 등 네 가지 주요 영역에 초점을 맞춰 MAS 이론과 현재 MAS LLMs 구현 간의 중요한 차이점을 강조합니다. 많은 MAS LLMs는 자율성, 사회적 상호 작용, 구조화된 환경과 같은 다중 에이전트 특성이 부족하고, 종종 단순화된 LLM 중심 아키텍처에 의존한다는 것이 이 논문의 입장입니다. 이 분야는 MAS 문헌에서 이미 다룬 문제를 재검토함으로써 속도가 느려지고 탄력을 잃을 수 있습니다. 따라서 본 논문에서는 이 문제를 체계적으로 분석하고 관련 연구 기회를 제시하며, 잘못된 특징 지정과 기회 상실을 피하기 위해 확립된 MAS 개념과 더욱 정확한 용어를 더 잘 통합할 것을 옹호합니다.

시사점, 한계점

시사점: MAS 이론을 제대로 적용하면 MAS LLMs의 설계 및 구현을 개선하여 더욱 강력하고 효율적인 시스템을 만들 수 있습니다. 정확한 용어 사용을 통해 연구 분야의 혼란을 줄이고, 기존 연구 결과를 효과적으로 활용할 수 있습니다. MAS 분야의 기존 연구를 통해 해결된 문제를 다시 다루는 것을 피함으로써 연구 효율성을 높일 수 있습니다.
한계점: 현재 MAS LLMs 구현의 대부분이 MAS 이론의 기본 원칙을 충분히 고려하지 않고 있다는 점을 지적하지만, 구체적인 개선 방안이나 실질적인 대안을 제시하는 데에는 한계가 있습니다. 단순히 문제점을 지적하는 수준을 넘어, MAS 이론을 효과적으로 통합하는 구체적인 방법론에 대한 연구가 필요합니다.
👍