Harnessing Multi-Agent LLMs for Complex Engineering Problem-Solving: A Framework for Senior Design Projects

要約

マルチエージェント大規模言語モデル（LLM）は、複雑な問題解決、意思決定、計画タスクにおいて集合知を活用する能力で大きな注目を集めている。これは、多様なエージェントが効果的な解決策を生み出すために集団的に貢献する「群衆の知恵」の概念に合致しており、特に教育現場に適している。卒業設計プロジェクトは、キャップストーンまたは最終学年プロジェクトとしても知られ、理論的知識と実践的応用を統合し、批判的思考、チームワーク、および実世界での問題解決能力を育成するため、工学教育において極めて重要である。このようなプロジェクトでは、倫理的、社会的、環境的な懸念に対処しながら技術性能を最適化するなど、学際的な検討や相反する目標が含まれることが多い。我々は、異なるLLMエージェントが、問題策定エージェント、システム複雑性エージェント、社会的・倫理的エージェント、プロジェクトマネージャなど、異なる専門家の視点を代表するフレームワークを提案し、全体的な問題解決アプローチを促進する。この実装では、協調、協力、交渉などの標準的なマルチエージェントシステム（MAS）の概念を活用し、各エージェントの多様なペルソナを開発するためのプロンプトエンジニアリングを組み込んでいる。これらのエージェントは、人間のエンジニアリングチームをシミュレートするために、豊かで協調的な対話を行い、統合されたソリューションに向けて個々の貢献のバランスを効率的にとるために、群AIの原則に導かれる。我々は、LLMエージェントのためのコラボレーション構造を作成するためにこれらの技術を適応させ、実際のシニアデザインプロジェクトと同様に学際的な推論と交渉を奨励する。このフレームワークの有効性を評価するために、工学とコンピュータサイエンスの6つの提案を集めた。

要約(オリジナル)

Multi-Agent Large Language Models (LLMs) are gaining significant attention for their ability to harness collective intelligence in complex problem-solving, decision-making, and planning tasks. This aligns with the concept of the wisdom of crowds, where diverse agents contribute collectively to generating effective solutions, making it particularly suitable for educational settings. Senior design projects, also known as capstone or final year projects, are pivotal in engineering education as they integrate theoretical knowledge with practical application, fostering critical thinking, teamwork, and real-world problem-solving skills. In this paper, we explore the use of Multi-Agent LLMs in supporting these senior design projects undertaken by engineering students, which often involve multidisciplinary considerations and conflicting objectives, such as optimizing technical performance while addressing ethical, social, and environmental concerns. We propose a framework where distinct LLM agents represent different expert perspectives, such as problem formulation agents, system complexity agents, societal and ethical agents, or project managers, thus facilitating a holistic problem-solving approach. This implementation leverages standard multi-agent system (MAS) concepts such as coordination, cooperation, and negotiation, incorporating prompt engineering to develop diverse personas for each agent. These agents engage in rich, collaborative dialogues to simulate human engineering teams, guided by principles from swarm AI to efficiently balance individual contributions towards a unified solution. We adapt these techniques to create a collaboration structure for LLM agents, encouraging interdisciplinary reasoning and negotiation similar to real-world senior design projects. To assess the efficacy of this framework, we collected six proposals of engineering and computer science of…

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL