본 논문은 대규모 언어 모델(LLM) 기반 다중 에이전트 시스템(MAS)에 블랙보드 아키텍처를 통합하는 새로운 방법을 제안합니다. 이를 통해 다양한 역할을 가진 에이전트들이 문제 해결 과정 전반에 걸쳐 모든 정보와 다른 에이전트의 메시지를 공유하고, 블랙보드의 현재 내용에 기반하여 행동을 취할 에이전트를 선택하며, 블랙보드에 합의가 이루어질 때까지 선택 및 실행 라운드를 반복합니다. 상식 지식, 추론 및 수학 데이터셋을 사용한 실험 결과, 제안된 시스템은 기존 최고 성능의 정적 및 동적 MAS와 경쟁력을 갖추고 있으며, 평균 성능이 가장 우수하고 토큰 소모량도 적다는 것을 보여줍니다. 본 연구는 명확하게 정의된 구조나 워크플로우가 없는 복잡하고 역동적인 문제 해결에 잠재력을 가지고 있습니다.
