본 논문은 단일 대규모 언어 모델(LLM)의 환각 및 추론 능력 부족 문제를 해결하기 위해 다중 에이전트 논쟁(MAD) 방법을 개선한 CortexDebate를 제안합니다. 기존 MAD의 과도한 입력 컨텍스트와 과신 문제를 해결하기 위해, CortexDebate는 뇌의 백색질처럼 작동하는 McKinsey-based Debate Matter (MDM) 모듈을 사용하여 LLM 에이전트 간의 희소하고 동적으로 최적화된 논쟁 그래프를 구축합니다. MDM은 사회학의 신뢰도 측정 기준인 McKinsey 신뢰 공식을 통합하여 신뢰할 수 있는 평가를 통해 그래프 최적화를 유도합니다. 8개 데이터셋과 4가지 유형의 작업에 대한 광범위한 실험 결과를 통해 CortexDebate의 효과를 입증했습니다.
