본 논문은 다중 에이전트 대규모 언어 모델(LLM) 시스템의 효과적인 협업 구조 설계를 통해 집단 추론 성능을 향상시키는 방법을 조사합니다. 세 가지 주요 설계 차원, 즉 (1) 전문 지식 영역 정렬, (2) 협업 패러다임(구조화된 워크플로우 대 다양성 중심 통합), (3) 시스템 규모의 영향을 체계적으로 연구합니다. 연구 결과, 전문 지식 정렬의 이점은 도메인에 따라 크게 달라지며, 특히 상황 추론 작업에 가장 효과적임을 보여줍니다. 또한, 다양한 지식을 통합하는 데 중점을 둔 협업이 엄격한 작업 분할보다 일관되게 성능이 우수합니다. 마지막으로, 전문 지식 특화를 통해 다중 에이전트 시스템의 규모를 확장하는 영향과 계산상의 절충점을 실증적으로 탐구하여 보다 효율적인 통신 프로토콜 설계의 필요성을 강조합니다. 이 연구는 특수화된 다중 에이전트 시스템을 구성하기 위한 구체적인 지침을 제공하고, 확장 가능한 다중 에이전트 추론을 위한 중요한 아키텍처적 절충점과 병목 현상을 확인합니다.
