GoAgent: LLMベースのマルチエージェントシステムにおけるエージェント群の通信トポロジー生成

要約: 大規模言語モデル（LLM）ベースのマルチエージェントシステム（MAS）は、複雑なタスクを解決する際に卓越した能力を示してきたが、その有効性はエージェント間の相互作用を調整する基盤となる通信トポロジーに大きく依存している。これらのシステム内では、成功した問題解決はしばしばタスク特有のグループ構造を必要とし、サブタスクを分割して解決する。しかし、既存の多くのアプローチはノード中心の方法で通信トポロジーを生成し、グループ構造を局所的な接続決定から暗黙的に出現させるだけで、それらを明示的にモデル化せず、しばしば協調を最適化できず、不要な通信オーバーヘッドを招く。これらの制限に対処するため、GoAgent（Group-of-Agents）を提案する。GoAgent は協調グループを MAS 構築の原子単位として明示的に扱う通信トポロジー生成法である。具体的には、GoAgent はまず LLM を通じてタスク関連の候補グループを列挙し、次に自己回帰的にこれらのグループを原子単位として選択・接続して最終的な通信グラフを構築し、グループ内の結束とグループ間の協調を同時に捉える。トポロジーを展開する際に内在する通信の冗長性とノイズ伝播を緩和するため、相互グループ間通信を圧縮し、タスクに関連する信号を保持しつつ過剰な過去のノイズを除去する条件付き情報ボトルネック（CIB）目的を導入する。6つのベンチマークにおける広範な実験は、GoAgent が 93.84% の平均精度で最先端の性能を示すと同時に、トークン消費を約 17%削減することを示している。