생물 진화 원리로 LLM 멀티에이전트 시스템 테스트 최적화
원제 Inherit-MAS: Test-Time Evolution of Multi-Agent Systems through Workflow and Execution Inheritance
추천 10댓글 3
Key Point
복합 작업을 처리하는 멀티에이전트 LLM 시스템의 워크플로우 최적화와 실행 효율성 문제를 동시에 해결한 새로운 접근법으로, 토큰 사용량을 대폭 줄이면서 성능을 높인다.
핵심 요약
- LLM 기반 멀티에이전트 시스템(MAS)은 복합 작업에 특화된 에이전트들을 조율하지만, 효과적인 워크플로우를 사전에 설계하기 어렵다.
- Inherit-MAS는 워크플로우와 실행 단계에서 '상속'을 명시적으로 구현해 테스트 시점의 진화를 효율화했다.
- 메타 모델이 워커 에이전트 워크플로우를 합성하고(역할·통신·권한 선언), 별도의 판사 모델이 실행 결과를 평가하고 결함을 진단한다.
- 워크플로우 상속은 최신 완성 후보에서 출발해 불필요한 노드를 제거하고 진단된 결함을 해결하도록 에디트를 적용한다.
- 실행 상속은 완전히 일치하는 요청과 실행 컨텍스트에 대해서만 저장된 결과를 재사용해 모델·도구 호출 중복을 피한다.
- GPT-4o-mini 워커로 WorkBench 55.4% 완료율, HotpotQA FullWiki 49.7% F1 점수를 달성하며 EvoAgent·EvoMAS·TacoMAS를 상회한다.
- Qwen3-32B 워커로도 두 벤치마크에서 기존 진화형 MAS 방식들을 초과한다.
- 실행 상속이 활성화된 경우, WorkBench에서 워커 토큰 사용량 29.1% 감소, HotpotQA에서 34.6% 감소를 기록했고, 총 토큰 사용량은 각각 5.3%·18.1% 감소했다.