Balancing Autonomy and Alignment: A Multi-Dimensional Taxonomy for Autonomous LLM-powered Multi-Agent Architectures

要約

大規模言語モデル (LLM) は人工知能の分野に革命をもたらし、高度な言語理解と生成機能を人工知能に与えました。
しかし、深く反復的な思考プロセスを必要とする、より複雑で相互に関連したタスクに直面すると、LLM には固有の限界が明らかになります。
自律型 LLM を活用したマルチエージェント システムは、これらの課題に対する戦略的な対応を表します。
このようなシステムは、ユーザーが要求した目標を管理可能なタスクに分解し、専門化されたインテリジェント エージェントの集合を通じてその実行と結果の統合を調整することで、自律的に取り組むよう努めます。
LLM を活用した推論機能を備えたこれらのエージェントは、ツールやデータセットなどのコンテキスト リソースを活用することで強化された、同僚とのコラボレーションによる認知的相乗効果を活用します。
これらのアーキテクチャは AI 機能を拡張する有望な可能性を秘めていますが、効果的な運用には、さまざまなレベルの自律性と調整の間で適切なバランスを取ることが依然として重要な課題です。
この論文は、自律 LLM を利用したマルチエージェント システムが、目標主導のタスク管理、エージェント構成、マルチエージェントなどのアーキテクチャの観点に固有のさまざまな側面にわたって、自律性と調整の間の動的な相互作用のバランスをどのようにとるかを分析するために設計された、包括的な多次元分類法を提案します。
エージェントのコラボレーションとコンテキストの対話。
また、基本的なアーキテクチャ概念を指定するドメイン オントロジー モデルも含まれています。
私たちの分類は、研究者、エンジニア、AI 実践者が、ますます普及している AI システムで採用されているアーキテクチャのダイナミクスとバランス戦略を体系的に分析できるようにすることを目的としています。
選択された代表的な LLM を利用したマルチエージェント システムの探索的な分類は、その実用性を示し、将来の研究開発の可能性を明らかにします。

要約(オリジナル)

Large language models (LLMs) have revolutionized the field of artificial intelligence, endowing it with sophisticated language understanding and generation capabilities. However, when faced with more complex and interconnected tasks that demand a profound and iterative thought process, LLMs reveal their inherent limitations. Autonomous LLM-powered multi-agent systems represent a strategic response to these challenges. Such systems strive for autonomously tackling user-prompted goals by decomposing them into manageable tasks and orchestrating their execution and result synthesis through a collective of specialized intelligent agents. Equipped with LLM-powered reasoning capabilities, these agents harness the cognitive synergy of collaborating with their peers, enhanced by leveraging contextual resources such as tools and datasets. While these architectures hold promising potential in amplifying AI capabilities, striking the right balance between different levels of autonomy and alignment remains the crucial challenge for their effective operation. This paper proposes a comprehensive multi-dimensional taxonomy, engineered to analyze how autonomous LLM-powered multi-agent systems balance the dynamic interplay between autonomy and alignment across various aspects inherent to architectural viewpoints such as goal-driven task management, agent composition, multi-agent collaboration, and context interaction. It also includes a domain-ontology model specifying fundamental architectural concepts. Our taxonomy aims to empower researchers, engineers, and AI practitioners to systematically analyze the architectural dynamics and balancing strategies employed by these increasingly prevalent AI systems. The exploratory taxonomic classification of selected representative LLM-powered multi-agent systems illustrates its practical utility and reveals potential for future research and development.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google