[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Agentic Neural Networks: Self-Evolving Multi-Agent Systems via Textual Backpropagation

Created by
  • Haebom

作者

Xiaowen Ma, Chenyang Lin, Yao Zhang, Volker Tresp, Yunpu Ma

概要

この論文では、複数の大規模言語モデル(LLM)を活用して複雑で高次元の作業を効果的に行う新しいフレームワークであるAgent Neural Network(ANN)を紹介します。 ANNは、マルチエージェントコラボレーションを階層的なニューラルネットワーク構造に概念化し、各エージェントをノードとし、各レイヤを特定のサブタスクに集中する協力的な「チーム」として構成します。 2段階の最適化戦略、つまりタスクをサブタスクに動的に分解し、適切な集計方法を使用して協力エージェントチームを階層別に構成する前方ステップと、逆伝播を模倣して反復的なフィードバックを介してグローバルおよびローカルコラボレーションを改善し、エージェントが役割、プロンプト、および調整を独自に進める後方ステップを介して機能します.この神経記号的アプローチにより、ANNはトレーニング後に新しいまたは特殊化されたエージェントチームを作成し、正確性と適応性を大幅に向上させます。 4つのベンチマークデータセットでは、ANNは同じ構成で主要なマルチエージェント基準モデルを超える一貫したパフォーマンス向上を示しています。結論として、ANNはLLMのコラボレーション機能とニューラルネットワークの原則の効率と柔軟性を組み合わせたスケーラブルでデータ中心のマルチエージェントシステムフレームワークを提供します。全体のフレームワークをオープンソースで公開する予定です。

Takeaways、Limitations

Takeaways:
マルチLLM活用の効率を高める新しいフレームワークの提示
ニューラルネットワークの原理を利用したデータ駆動型マルチエージェントシステムの構築
トレーニング後の新しいエージェントチーム作成による適応性と精度の向上
既存のマルチエージェントベースモデルに対するパフォーマンスの向上の確認
オープンソース開示による研究拡張の可能性
Limitations:
提示されたベンチマークデータセットの種類と規模の制限
実際の複雑な問題に対する適用性と一般化性能の検証が必要
ANNの階層構造とエージェントチーム構成の最適化戦略の追加研究が必要
さまざまなタイプのLLMの適用性検証が必要
👍