본 논문은 여러 대형 언어 모델(LLM)을 활용하여 복잡하고 고차원적인 작업을 효과적으로 수행하는 새로운 프레임워크인 Agentic Neural Network(ANN)를 제시합니다. ANN은 다중 에이전트 협업을 계층적 신경망 구조로 개념화하여 각 에이전트를 노드로, 각 계층을 특정 하위 작업에 집중하는 협력적인 "팀"으로 구성합니다. 두 단계의 최적화 전략, 즉 작업을 하위 작업으로 동적으로 분해하고 적절한 집계 방법을 사용하여 협력 에이전트 팀을 계층별로 구성하는 전방 단계와, 역전파를 모방하여 반복적인 피드백을 통해 전역 및 지역 협업을 개선하고 에이전트가 역할, 프롬프트 및 조정을 자체적으로 발전시키는 후방 단계를 통해 작동합니다. 이 신경 기호적 접근 방식을 통해 ANN은 훈련 후 새로운 또는 특수화된 에이전트 팀을 생성하여 정확성과 적응성을 크게 향상시킵니다. 네 개의 벤치마크 데이터셋에서 ANN은 동일한 구성 하에서 주요 다중 에이전트 기준 모델을 능가하는 일관된 성능 향상을 보여줍니다. 결론적으로 ANN은 LLM의 협업 기능과 신경망 원칙의 효율성과 유연성을 결합한 확장 가능하고 데이터 중심적인 다중 에이전트 시스템 프레임워크를 제공합니다. 전체 프레임워크를 오픈소스로 공개할 예정입니다.
