[論文レビュー] A Survey on LLM-based Multi-Agent System: Recent Advances and New Frontiers in Application

Sheng Chen, Yuanxing Liu+3 more|arXiv (Cornell University)|Dec 23, 2024

Multi-Agent Systems and Negotiation被引用数 6

ひとこと要約

この論文はLLMベースのマルチエージェントシステム（MGAS）を概観し、新しい分類法を提案し、適用、リソース、課題をレビューし、今後の研究方向を概説する。

ABSTRACT

LLM-based Multi-Agent Systems ( LLM-MAS ) have become a research hotspot since the rise of large language models (LLMs). However, with the continuous influx of new related works, the existing reviews struggle to capture them comprehensively. This paper presents a comprehensive survey of these studies. We first discuss the definition of LLM-MAS, a framework encompassing much of previous work. We provide an overview of the various applications of LLM-MAS in (i) solving complex tasks, (ii) simulating specific scenarios, and (iii) evaluating generative agents. Building on previous studies, we also highlight several challenges and propose future directions for research in this field.

研究の動機と目的

• MGASの概念を定義・形式化し、その範囲を明確にする。
• タスク解決、シナリオシミュレーション、エージェント評価に基づくMGASアプリケーションの分類法を提供する。
• MGAS研究を促進するオープンソースのフレームワーク、データセット、ベンチマーク、リソースを要約する。
• 生成エージェント、相互作用、評価における主要な課題を特定し、今後の研究方向を提案する。

提案手法

• 2023-2024に発表されたトップAI会議およびarXivの125論文を統合・分類する。
• MGASアプリケーションと構成要素（生成エージェントと環境）を中心とした分類法を開発する。
• MGAS研究のためのオープンソースリソース、ベンチマーク、評価フレームワークを体系化する。
• 整合性、幻覚、長文テキスト能力、システムレベル評価の課題を分析する。

実験結果

リサーチクエスチョン

• RQ1 現在の文献でMGASの範囲を最もよく捉える定義とフレームワークは何か？
• RQ2 MGASの主要なアプリケーションカテゴリと代表的なシステムは何か？
• RQ3 MGAS研究と評価を支援するリソース（コード、データセット、ベンチマーク）は何か？
• RQ4 MGAS開発の主な課題と今後の方向性は何か？

主な発見

• 現代的なMGAS分類法が提案され、アプリケーション目的に焦点を当てる。
• 調査は125論文を取りまとめ、研究者を支援するオープンソースのフレームワークとベンチマークを特定する。
• 整合性、幻覚、長文コンテキストの制限、評価のギャップなどの中核的課題を浮き彫りにする。
• MGASの拡張、効率化、標準化されたベンチマークに関する将来の方向性を論じる。