ARMOR-MAD: 대규모 언어 모델 추론을 위한 이종 다중 에이전트 토론의 적응형 라우팅

요약

본 논문은 LLM 추론 능력을 향상시키는 다중 에이전트 토론(MAD)의 비효율성을 개선한 ARMOR-MAD 프레임워크를 제안합니다. ARMOR-MAD는 사전 합의 라우팅, 조기 중단 평가자, 의미적 아웃라이어 탐지 기능을 결합하여 계산 자원 낭비를 줄이고 정확도를 높입니다. 다양한 벤치마크에서 기존 방식 대비 높은 성능 향상을 입증했습니다.

핵심 포인트

• ARMOR-MAD는 조건부 컴퓨팅을 도입한 이종 다중 에이전트 토론 프레임워크이다.
• 사전 합의 라우팅(PAR)으로 불필요한 토론 과정을 건너뛰어 효율성을 높인다.
• 조기 중단 평가자(EASE)와 의미적 아웃라이어 탐지(SOD)로 정확도와 안정성을 개선했다.