構造的に話し、階層的に行動する：LLM マルチエージェントシステムのための共同フレームワーク

Talk Structurally, Act Hierarchically: A Collaborative Framework for LLM Multi-Agent Systems

February 16, 2025

著者: Zhao Wang, Sota Moriyama, Wei-Yao Wang, Briti Gangopadhyay, Shingo Takamatsu

cs.AI

要旨

LLMベースのマルチエージェント（LLM-MA）システムの最近の進歩は、有望なものの、エージェントが複雑なタスクで協力する際にコミュニケーションと改良を管理する際には重要な課題が残っています。本論文では、コンテキスト豊かな交換のための構造化された通信プロトコルと、不正確な出力、誤り、バイアスなどの問題に対処するための階層的な改良システムを導入した新しいフレームワークである「Talk Structurally, Act Hierarchically（TalkHier）」を提案します。TalkHierは、オープンドメインの質問応答、特定ドメインの選択的質問、実用的な広告テキスト生成など、多様なタスクにおいて、推論スケーリングモデル（OpenAI-o1）、オープンソースのマルチエージェントモデル（例：AgentVerse）、およびLLMおよび単一エージェントのベースライン（例：ReAct、GPT4o）など、さまざまな種類のSoTAを凌駕します。これらの結果は、LLM-MAシステムの新たな標準を確立し、より効果的で適応性があり、協力的なマルチエージェントフレームワークへの道を開く潜在能力を示しています。コードはhttps://github.com/sony/talkhierで入手可能です。

English

Recent advancements in LLM-based multi-agent (LLM-MA) systems have shown promise, yet significant challenges remain in managing communication and refinement when agents collaborate on complex tasks. In this paper, we propose Talk Structurally, Act Hierarchically (TalkHier), a novel framework that introduces a structured communication protocol for context-rich exchanges and a hierarchical refinement system to address issues such as incorrect outputs, falsehoods, and biases. TalkHier surpasses various types of SoTA, including inference scaling model (OpenAI-o1), open-source multi-agent models (e.g., AgentVerse), and majority voting strategies on current LLM and single-agent baselines (e.g., ReAct, GPT4o), across diverse tasks, including open-domain question answering, domain-specific selective questioning, and practical advertisement text generation. These results highlight its potential to set a new standard for LLM-MA systems, paving the way for more effective, adaptable, and collaborative multi-agent frameworks. The code is available https://github.com/sony/talkhier.