CodeAgents: A Token-Efficient Framework for Codified Multi-Agent Reasoning in LLMs
Created by
Haebom
저자
Bruce Yang, Xinfeng He, Huan Gao, Yifan Cao, Xiaofan Li, David Hsu
개요
본 논문은 대규모 언어 모델(LLM) 기반 에이전트의 계획 능력 향상을 위해 효과적인 프롬프트 설계의 중요성을 강조하며, 기존의 구조화된 프롬프팅 전략의 한계점(단일 에이전트, 계획 중심, 작업 정확도 기반 평가)을 지적합니다. 이를 해결하기 위해, 다중 에이전트 환경에서 구조적이고 토큰 효율적인 계획을 가능하게 하는 프롬프팅 프레임워크인 CodeAgents를 제시합니다. CodeAgents는 작업, 계획, 피드백, 시스템 역할, 외부 도구 호출 등 에이전트 상호 작용의 모든 구성 요소를 제어 구조(루프, 조건문), 부울 논리, 형식 변수가 풍부한 모듈식 의사 코드로 코딩합니다. 이를 통해 느슨하게 연결된 에이전트 계획을 응집력 있고, 해석 가능하며, 검증 가능한 다중 에이전트 추론 프로그램으로 변환합니다. GAIA, HotpotQA, VirtualHome 세 가지 벤치마크에서 다양한 LLM을 사용하여 평가한 결과, 자연어 프롬프팅 기준선 대비 336% 향상된 계획 성능을 보였으며, VirtualHome에서는 56%의 최첨단 성공률을 달성했습니다. 또한, 입력 및 출력 토큰 사용량을 각각 5587%, 41~70% 감소시켜 확장 가능한 다중 에이전트 LLM 시스템 개발에서 토큰 인식 평가 지표의 중요성을 강조합니다. 코드와 자료는 https://anonymous.4open.science/r/CodifyingAgent-5A86 에서 확인할 수 있습니다.
시사점, 한계점
•
시사점:
◦
다중 에이전트 환경에서의 LLM 기반 에이전트 계획 능력 향상에 효과적인 CodeAgents 프레임워크 제시
◦
모듈식 의사 코드를 통한 구조적이고 해석 가능한 다중 에이전트 추론 프로그램 생성
◦
토큰 효율성 향상을 통한 확장성 증대 및 성능 개선 (3~36% 향상, VirtualHome에서 56% 성공률 달성)
