본 논문은 대규모 언어 모델(LLM)을 기반으로 하는 에이전트 시스템의 효율성 및 확장성 문제를 해결하기 위해, 자체 최적화 기능을 갖춘 다층적 워크플로우를 가진 에이전트인 Polymath를 제안한다. Polymath는 작업 흐름 그래프의 유연성과 코드 기반 워크플로우의 표현력을 활용하여 다양한 실제 문제를 해결한다. 특히, 다중 그리드 기반 그래프 최적화와 자기 반성 기반 진화 알고리즘을 통합하여 레이블이 없는 데이터로도 워크플로우를 개선한다. 코딩, 수학, 다회차 질의응답 등 6가지 벤치마크 데이터셋에서 기존 최고 성능 모델 대비 평균 8.1% 향상된 성능을 보였다.
