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

https://arxiv.org/abs/2310.03659

1. 本研究で問われる学術的な問いは、「大規模言語モデル（LLMs）を使用した自律型マルチエージェントシステムがどのように自己組織化し、自動化・適合度のバランスをどのように取るのか」です。このバランスはシステムの効果的な動作において重要で、適切なバランスを見つけることは難しい課題となっています。

2. 本研究の目的は、大規模言語モデル（LLMs）を使用した自律型マルチエージェントシステムの構成と動作を分析するための包括的な多次元タクソノミーを提案することです。このタクソノミーを使用すると、研究者やエンジニア、AI専門家がこれらのシステムの動作をより理解し、比較することが可能となります。さらに、本研究の新規性と創造性は、現代のAIシステムがどのようにして自動化と適合度を統合するかについての新たな視点を提供する点にあります。

3. 本研究は、大規模な言語モデル（LLMs）が人工知能の分野に革新をもたらし、洗練された言語理解と生成能力を提供してきた背景に基づいています。しかし、LLMsは複雑で相互に関連するタスクを処理する際に限界を露呈します。これに対応する戦略として自律型LLMパワードマルチエージェントシステムが開発されています。これらのシステムは、ユーザーからのゴールを明確なタスクに分解し、特殊化されたエージェント間で協調作業を行うことでそれらを達成します。

4. 本研究では、LLMパワードマルチエージェントシステムが自動化と適合度のバランスをどのように取るかを分析するための多次元タクソノミーを提案しました。具体的には、「ゴール駆動型タスク管理」「エージェント構成」「マルチエージェント協調」「コンテキスト相互作用」という4つの視点を考慮し、これらの視点に関連するさまざまな要素が自動化と適合度の間でどのようなバランスを取るかを分析しました。

5. 本研究の有効性は、提案したタクソノミーを用いて、7つの代表的な自律型LLMパワードマルチエージェントシステムを分析し比較することによって検証しました。具体的には、各システムがどのように自動化と適合度の間でバランスを取るか、どのような設計決定がなされているかを詳細に調査し、タクソノミーの有用性と有効性を示しました。