멀티 에이전트 시스템은 전문가 혼합 모델이다: 누가 인플루언서가 되는가?

멀티 에이전트 LLM (Large Language Model) 숙의 (deliberation)의 효과는 에이전트 개별의 예측뿐만 아니라, 이들이 어떻게 소통하고 협업하는지에도 달려 있습니다. 우리는 멀티 에이전트 시스템에서 관찰되는 숙의 패턴을 포착하며 고집 (stubbornness), 영향력 (influence), 그리고 의견 변화 (opinion change)를 분석하기 용이한 모델인 Friedkin-Johnsen (FJ) 의견 역학 (opinion dynamics)의 관점을 통해 이 메커니즘을 연구합니다. 우리는 FJ 파라미터 (parameters)가 입력값에 따라 달라지며, 이로 인해 멀티 에이전트 숙의가 전문가 혼합 (mixture of experts) 모델로 변모한다는 것을 보여줍니다. 이러한 관점은 라우팅 (routing)이 에이전트의 역량 (competence)을 반영할 때, 멀티 에이전트 시스템이 단일 에이전트나 정적 앙상블 (static ensembles)보다 뛰어난 성능을 낼 수 있음을 시사합니다. 실제 상황에서 역량은 잠재적 (latent)인 특성이므로, 우리는 관찰 가능한 대리 지표 (proxies)를 통해 영향력이 어떻게 형성되는지 분석합니다. 이러한 지표로는 에이전트의 자기 평가 확신도 (self-assessed confidence), 타인이 인지하는 확신도 (perceived confidence), 그리고 다른 에이전트의 견해와 초기 일치도 (initial alignment)가 있습니다.