[논문 리뷰] A Survey on LLM-based Multi-Agent System: Recent Advances and New Frontiers in Application

Sheng Chen, Yuanxing Liu외 3명|arXiv (Cornell University)|2024. 12. 23.

Multi-Agent Systems and Negotiation인용 수 6

한 줄 요약

이 논문은 LLM 기반 다중 에이전트 시스템(MGAS)을 조사하고 새로운 분류법을 제안하며 응용, 자원, 도전과제들을 검토하고 향후 연구 방향을 제시한다.

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.

연구 동기 및 목표

• 멀티-생성 에이전트 시스템(MGAS)의 정의를 공식화하고 범위를 명확히 한다.
• MGAS 응용의 태스크 해결, 시나리오 시뮬레이션, 에이전트 평가를 기반으로 한 분류법을 제공한다.
• MGAS 연구를 촉진하기 위한 오픈소스 프레임워크, 데이터셋, 벤치마크, 자원을 요약한다.
• 생성 에이전트, 상호작용, 평가에서의 주요 도전과제를 식별하고 향후 연구 방향을 제시한다.

제안 방법

• 2023-2024년에 발표된 125편의 논문을 종합하고 분류한다.
• MGAS 응용 및 구성요소(생성 에이전트와 환경)를 중심으로 한 분류법을 개발한다.
• MGAS 연구를 위한 오픈소스 자원, 벤치마크, 평가 프레임워크를 수집한다.
• 정렬성, 환각, 장문맥 능력, 시스템 수준 평가의 문제점을 분석한다.

실험 결과

연구 질문

• RQ1 현재 문헌에서 MGAS의 범위를 가장 잘 포착하는 정의와 프레임워크는 무엇인가?
• RQ2 MGAS의 주요 응용 카테고리와 대표 시스템은 무엇인가?
• RQ3 MGAS 연구 및 평가를 지원하는 코드, 데이터셋, 벤치마크 등 어떤 자원이 존재하는가?
• RQ4 MGAS 개발의 주요 과제와 향후 방향은 무엇인가?

주요 결과

• 현대 MGAS 분류법이 응용 목적에 초점을 맞춰 제안된다.
• 본 조사는 125편의 논문을 수집하고 연구자들을 돕기 위한 오픈 소스 프레임워크와 벤치마크를 식별한다.
• 정렬성, 환각, 긴 맥락 한계, 평가의 격차와 같은 핵심 과제를 강조한다.
• MGAS의 확장성, 효율성, 표준화된 벤치마크를 위한 향후 방향을 논의한다.