Agent Primitives: Reusable Latent Building Blocks for Multi-Agent Systems

Agent Primitives는 재사용 가능한 잠재 빌딩 블록과 Key-Value(KV) 캐시 통신을 활용하여 대규모 언어 모델 기반 다중 에이전트 시스템을 위한 프레임워크를 도입한다.

Agent Primitives는 재사용 가능한 잠재 빌딩 블록과 Key-Value(KV) 캐시 통신을 활용하여 대규모 언어 모델 기반 다중 에이전트 시스템을 위한 프레임워크를 도입한다. 이는 텍스트 기반 MAS 대비 평균 정확도를 12.0~16.5% 향상시키고 토큰 사용량을 3~4배 줄이면서, 다양한 LLM 백본과 과제 전반에 걸쳐 안정성을 유지한다.

핵심 요약

• 기존 다중 에이전트 시스템(MAS)은 과제 특이성, 높은 설계 오버헤드, 서로 다른 문제 설정 전반에 걸친 낮은 재사용성에 시달린다.
• 주로 자연어를 통한 에이전트 간 통신은 길고 다단계인 상호작용에서 불안정성, 오류 누적, 정보 손상을 초래한다.
• 현재 MAS 설계는 다중 에이전트 연산을 조직하기 위한 진정으로 재사용 가능하고 과제 비의존적인 내부 추상화가 부족한 경우가 많다.
• 이 논문은 공통적인 다중 에이전트 연산 패턴을 캡슐화하는 세 가지 재사용 가능한 잠재 빌딩 블록(Review, Voting & Selection, Planning & Execution)인 'Agent Primitives'를 도입했다.
• 명시적 자연어에 의존하지 않고 내부 모델 표현을 직접 공유하는 Key-Value(KV) 캐시 전송만을 통해 에이전트 간 통신을 구현했다.
• 'Knowledge Pool'이 안내하는 LLM 기반 'Organizer'를 개발하여, 주어진 쿼리에 대해 프리미티브를 자동으로 선택·구성함으로써 MAS 구축을 간소화했다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.