본 논문은 대규모 언어 모델(LLM)의 복잡한 문제 해결 능력을 향상시키기 위해 군집 지능(Swarm Intelligence)을 통합하는 새로운 Agent-based Swarm Intelligence (ASI) 패러다임을 제안합니다. 기존의 Chain-of-Thought (CoT) prompting이나 Multi-Agent Debate (MAD)와 달리, ASI는 LLM 추론을 최적화 문제로 공식화하고, 군집 지능 기법을 사용하여 여러 LLM 기반 에이전트들이 협력적으로 최적 해결책을 찾도록 유도합니다. 특히, 지역 최적값에 빠지는 것을 방지하기 위해 Swarm Intelligence Enhancing Reasoning (SIER) 프레임워크를 개발하여 밀도 기반 전략을 통해 추론 능력을 향상시키고, 핵심 밀도 추정 및 비지배 정렬을 통해 해결책의 질과 다양성을 동시에 최적화합니다. SIER은 추론 경로의 다양성을 확장하여 해결책 공간 탐색을 효율적으로 향상시키며, 단계별 품질 평가를 통해 에이전트가 저품질 중간 단계를 수정하여 해결책의 질을 개선하도록 돕습니다. 마지막으로, 품질 임계값을 사용하여 탐색의 종료와 후보 단계의 선택을 동적으로 제어하여 더욱 유연하고 효율적인 추론 과정을 가능하게 합니다.
