Self-Adaptive Large Language Model (LLM)-Based Multiagent Systems

要約

オートノミック コンピューティングでは、マルチエージェント システム (MAS) の複雑さを管理するための基本的なパラダイムとして、自己適応が提案されています。
これは、関心のある特定の懸念事項を達成するためにシステム自体を監視し、適応させるためのサポートを備えたシステムを拡張することによって実現されました。
エージェントとの対話を伴うシナリオでは、直接的で明確な情報交換が可能になることで協力が強化され、調整の課題が軽減されるため、これらのシステムでのコミュニケーションは重要です。
ただし、MAS とのインタラクション通信の表現力を向上させるには課題がないわけではありません。
この意味で、自己適応システムと効果的なコミュニケーションの間の相互作用は、将来の MAS の進歩にとって極めて重要です。
この論文では、GPT ベースのテクノロジなどの大規模言語モデル (LLM) をマルチエージェント システムに統合することを提案します。
当社は、動的な環境に応じたシステム適応の監視、分析、計画、および実行を強力にサポートすることで知られる MAPE-K モデルに基づいて方法論を基盤としています。
また、基本的な MAS ベースのアプリケーションを実装して評価する、提案されたアプローチの実践的な図も示します。
このアプローチは、LLM 機能に基づいた自律システムの MAS 自己適応のための新しいパラダイムを提案することにより、自己適応システムの最先端技術を大幅に進歩させます。

要約(オリジナル)

In autonomic computing, self-adaptation has been proposed as a fundamental paradigm to manage the complexity of multiagent systems (MASs). This achieved by extending a system with support to monitor and adapt itself to achieve specific concerns of interest. Communication in these systems is key given that in scenarios involving agent interaction, it enhances cooperation and reduces coordination challenges by enabling direct, clear information exchange. However, improving the expressiveness of the interaction communication with MASs is not without challenges. In this sense, the interplay between self-adaptive systems and effective communication is crucial for future MAS advancements. In this paper, we propose the integration of large language models (LLMs) such as GPT-based technologies into multiagent systems. We anchor our methodology on the MAPE-K model, which is renowned for its robust support in monitoring, analyzing, planning, and executing system adaptations in response to dynamic environments. We also present a practical illustration of the proposed approach, in which we implement and assess a basic MAS-based application. The approach significantly advances the state-of-the-art of self-adaptive systems by proposing a new paradigm for MAS self-adaptation of autonomous systems based on LLM capabilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google