MASPO: LLM 기반 다중 에이전트 시스템용 통합 프롬프트 최적화
요약
본 기술 기사는 대형 언어 모델(LLM) 기반 다중 에이전트 시스템(MAS)의 프롬프트 최적화 문제를 해결하기 위한 새로운 프레임워크인 MASPO를 소개합니다. MASPO는 전체 시스템 목표에 초점을 맞춰 자동으로 반복적으로 프롬프트를 정교화하며, 로컬 유효성뿐만 아니라 후속 에이전트의 성공 가능성을 평가하는 통합 평가 메커니즘을 핵심으로 합니다. 이 프레임워크는 데이터 기반 진화적 빔 검색을 사용하여 고차원 프롬프트 공간을 효율적으로 탐색하고, 다양한 작업에서 최신 기법들을 능가하는 성능 향상을 입증했습니다.
핵심 포인트
- MASPO는 LLM 기반 다중 에이전트 시스템(MAS)의 통합 프롬프트 최적화 문제를 해결합니다.
- 핵심 혁신은 로컬 유효성뿐만 아니라 후속 에이전트 성공 가능성을 평가하는 통합 평가 메커니즘입니다.
- 프레임워크는 고차원 프롬프트 공간 탐색을 위해 데이터 기반 진화적 빔 검색(data-driven evolutionary beam search)을 사용합니다.
- 광범위한 실험 결과, MASPO는 평균 정확도 개선치 2.9%를 달성하며 기존 최첨단 방법을 능가함을 입증했습니다.
대형 언어 모델 (LLM) 기반 다중 에이전트 시스템 (MAS) 은 에이전트가 역할 특화 프롬프트를 통해 조율되는 복잡한 협력 작업을 해결하는 데 유망한 성과를 보여 왔습니다. 이러한 프롬프트의 질은 결정적이지만, 상호작용하는 에이전트들을 대상으로 통합적으로 최적화하는 것은 로컬 에이전트 목표와 전체 시스템 목표 간의 불일치로 인해 비약이 어려운 과제입니다. 이를 해결하기 위해 우리는 MASPO라는 새로운 프레임워크를 소개합니다. MASPO 는 전체 시스템을 대상으로 자동으로 그리고 반복적으로 프롬프트를 정교화하도록 설계되었습니다. MASPO 의 핵심 혁신은 로컬 유효성뿐만 아니라 후속 에이전트의 성공을 위한 능력을 평가하는 통합 평가 메커니즘입니다. 이는 지면 진실 라벨에 의존하지 않고 로컬 상호작용과 전역 결과 간의 간극을 효과적으로 연결합니다. 또한 MASPO 는 고차원 프롬프트 공간을 효율적으로 탐색하기 위해 데이터 기반 진화적 빔 검색을 사용합니다. 6 가지 다양한 작업에 걸친 광범위한 경험적 평가는 MASPO 가 최첨단 프롬프트 최적화 방법을 일관되게 능가함을 보여주며, 평균 정확도 개선치 2.9% 를 달성했습니다. 우리는 코드를 https://github.com/wangzx1219/MASPO 에서 공개합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기