Key points are not available for this paper at this time.
대규모 언어 모델(LLMs)은 광범위한 세계 지식과 언어 관련 업무 능력을 바탕으로 추론, 계획 및 의사결정의 필수 도구로 부상하고 있습니다. 따라서 LLMs는 다중 에이전트 시스템 내에서 자연어 상호작용을 통해 협력을 촉진할 수 있는 엄청난 잠재력을 지니고 있습니다. 그러나 LLM 에이전트는 과도하게 보고하거나 모든 지시에 따르는 경향이 있어 다중 에이전트 협력 시 정보 중복과 혼란을 초래할 수 있습니다. 인간 조직에서 영감을 받아, 본 논문은 이러한 문제를 완화하기 위해 프롬프트 기반의 조직 구조를 LLM 에이전트에 부여하는 프레임워크를 제안합니다. 구체화된 LLM 에이전트와 인간-에이전트 협력 실험을 통해, 지정된 리더십이 팀 효율성에 미치는 영향을 강조하고, LLM 에이전트가 보여주는 리더십 특성과 자발적인 협력 행동을 조명합니다. 나아가, 비판-반영(Criticize-Reflect) 과정을 통해 LLM의 잠재력을 활용하여, 통신 비용을 줄이고 팀 효율성을 향상시키는 새로운 조직 구조를 제안하는 향상된 조직 프롬프트를 개발합니다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Xudong Guo
Kaixuan Huang
Jiale Liu
Building similarity graph...
Analyzing shared references across papers
Loading...
Guo 등(Tue,)이 이 질문을 연구했습니다.
www.synapsesocial.com/papers/68e73509b6db6435876aee9b — DOI: https://doi.org/10.48550/arxiv.2403.12482
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: