コスト効率の高いコミュニケーション：言語エージェント同士の対話をオークション方式で行う提案

要旨: 大規模言語モデル（LLM）に基づくマルチエージェントシステム（MAS）は、しばしば非効率な「フリー・フォー・オール」型の通信に悩まされ、その結果として指数的なトークンコストと低い信号対雑音比が生じ、実用的な導入を妨げます。私たちは、「より多くの通信が常に有益である」という考え方に挑み、その代わりに根本的な問題は資源の合理性が欠如していることだと仮説を立てます。私たちは、希少性の原理を無視する「無料」な通信は、本質的に非効率と不必要な出費を生み出すと論じます。これに対処するため、私たちは、通信帯域を希少で取引可能な資源として扱う新しい枠組みであるDynamic Auction-based Language Agent（DALA）を提案します。具体的には、私たちのDALAはエージェント間通信を中央集権的なオークションとして捉え、エージェントが自分のメッセージの予測される価値密度に基づいて「話す機会」に入札することを学習します。これにより、私たちのDALAは、本質的にエージェントが簡潔で有益なメッセージを生成することを促し、価値の低い通信をふるい落とします。大規模かつ包括的な実験により、経済学的に駆動された私たちのDALAが、MMLUで84.32%、HumanEvalでpass@1が91.21%を含む、7つの挑戦的な推論ベンチマークすべてにおいて新たな最先端の性能を達成することが示されます。さらに、この達成は驚くほど効率的であり、すなわち私たちのDALAは6.25百万トークンのみを使用します。これは、GSM8Kにおける現在の最先端手法が消費する資源の一部です。詳細な分析から、私たちのDALAは、戦略的な沈黙という創発的スキルを育て、資源制約を通じて通信戦略を冗長さから沈黙へと動的に適応させることが分かります。コードおよび更新情報は https://github.com/waltstephen/Cost-Effective-Communication で公開しています。