MMoA: 기억 기반 혼합 에이전트(Mixture-of-Agent)를 위한 순환 구조의 AI 에이전트 프레임워크

요약

MMoA는 기존 Mixture-of-Agents(MoA)의 정적 라우팅 한계를 극복하기 위해 LSTM 기반의 순환 구조를 도입한 새로운 에이전트 프레임워크입니다. 이 시스템은 과거의 라우팅 결정과 현재 입력을 모두 고려하여 에이전트의 기여도를 적응적으로 조절합니다. 실험 결과, MMoA는 기존 MoA와 대등한 성능을 유지하면서도 필요한 에이전트만 동적으로 활성화하여 계산 효율성을 높였습니다.

핵심 포인트

• LSTM 기반 게이팅 메커니즘을 통해 시간적 및 문맥적 의존성을 포착하는 순환 라우터 도입
• 정적 라우터 대신 현재 입력과 과거 결정을 모두 반영하는 적응형 에이전트 선택 방식 채택
• AlpacaEval 2.0, MT-Bench 등 주요 벤치마크에서 기존 MoA 대비 높은 효율성 입증
• 적은 수의 에이전트 활성화를 통해 계산 오버헤드를 줄이면서도 높은 정확도 유지