Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

EvoAgentX: An Automated Framework for Evolving Agentic Workflows

Created by
  • Haebom

저자

Yingxu Wang, Siwei Liu, Jinyuan Fang, Zaiqiao Meng

개요

EvoAgentX는 대규모 언어 모델(LLM)과 특수 도구들의 협업을 통해 복잡한 작업을 해결하는 다중 에이전트 시스템(MAS)을 위한 오픈소스 플랫폼입니다. 기존 MAS 프레임워크의 수동 워크플로 구성 및 동적 진화 및 성능 최적화 부족 문제를 해결하기 위해, 에이전트 생성, 실행 및 진화적 최적화를 자동화합니다. 모듈식 아키텍처(기본 구성 요소, 에이전트, 워크플로, 진화, 평가 계층)를 채택하고, TextGrad, AFlow, MIPRO 세 가지 MAS 최적화 알고리즘을 통합하여 에이전트 프롬프트, 도구 구성 및 워크플로 토폴로지를 반복적으로 개선합니다. HotPotQA, MBPP, MATH 및 GAIA 실제 작업에 대한 평가 결과, HotPotQA F1 7.44% 증가, MBPP pass@1 10.00% 향상, MATH 정확도 10.00% 향상, GAIA 최대 20.00% 정확도 향상 등 상당한 성능 향상을 보였습니다. 소스 코드는 https://github.com/EvoAgentX/EvoAgentX 에서 확인 가능합니다.

시사점, 한계점

•
시사점:
◦
다중 에이전트 시스템을 활용한 LLM 및 특수 도구의 효율적인 협업 프레임워크 제공.
◦
자동화된 워크플로 생성, 실행 및 진화적 최적화를 통한 성능 향상.
◦
다양한 MAS 최적화 알고리즘 통합을 통한 유연성 확보.
◦
다양한 작업(다단계 추론, 코드 생성, 수학 문제 해결 등)에서의 성능 향상 검증.
•
한계점:
◦
특정 최적화 알고리즘에 대한 의존성. 다른 알고리즘 추가 및 비교 연구 필요.
◦
플랫폼의 확장성 및 다양한 작업 유형에 대한 적용성에 대한 추가 연구 필요.
◦
평가 데이터셋의 일반화 가능성에 대한 추가 검토 필요.
◦
실제 세계 문제 적용 시 발생할 수 있는 예측 불가능성에 대한 고려 필요.
👍
Made with Slashpage