Know the Ropes: A Heuristic Strategy for LLM-based Multi-Agent System Design

要約

シングルエージェントLLMは、固定コンテキスト、役割の過負荷、および脆性ドメイン転送など、厳しい制限を打ちました。
従来のマルチエージェント修正は、これらのエッジを柔らかくしながら、新鮮な痛みを和らげます：不適切な分解、ファジー契約、およびゲインを鈍らせる検証オーバーヘッド。
したがって、ドメインのプリエをアルゴリズムの青写真階層に変換するフレームワークであるKnow-the-Ropes（KTR）を提示します。このフレームでは、タスクが再帰的にタイプ化されたコントローラーを介したサブタスクに分割され、それぞれがそれぞれゼロショット、または最も軽いブースト、マイクロチューン、自信のあるマイクロチューン、マイクロチューン、マイクロチューンの鎖です）
無限の定理に基づいて、KTRは、規律ある分解のために普遍的なプロンプトと追いかけます。
ナップサックの問題（3〜8項目）では、3つのGPT-4O-MINIエージェントが、単一のボトルネックエージェントにパッチを当てた後、サイズ5インスタンスで3％ゼロショットから95％に精度を上げます。
より厳しいタスク割り当ての問題（6〜15人のジョブ）では、6エージェントのO3-MINIブループリントがサイズ13〜15で100％まで100％、サイズ13-15で84％をヒットし、ゼロショット11％です。
したがって、アルゴリズムを手に入れた分解とターゲット増強とターゲット増強は、控えめなモデルを信頼できる協力者に変えます。

要約(オリジナル)

Single-agent LLMs hit hard limits–finite context, role overload, and brittle domain transfer. Conventional multi-agent fixes soften those edges yet expose fresh pains: ill-posed decompositions, fuzzy contracts, and verification overhead that blunts the gains. We therefore present Know-The-Ropes (KtR), a framework that converts domain priors into an algorithmic blueprint hierarchy, in which tasks are recursively split into typed, controller-mediated subtasks, each solved zero-shot or with the lightest viable boost (e.g., chain-of-thought, micro-tune, self-check). Grounded in the No-Free-Lunch theorem, KtR trades the chase for a universal prompt for disciplined decomposition. On the Knapsack problem (3-8 items), three GPT-4o-mini agents raise accuracy from 3% zero-shot to 95% on size-5 instances after patching a single bottleneck agent. On the tougher Task-Assignment problem (6-15 jobs), a six-agent o3-mini blueprint hits 100% up to size 10 and 84% on sizes 13-15, versus 11% zero-shot. Algorithm-aware decomposition plus targeted augmentation thus turns modest models into reliable collaborators–no ever-larger monoliths required.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google