REVECA: Adaptive Planning and Trajectory-based Validation in Cooperative Language Agents using Information Relevance and Relative Proximity 읽어보기
출처: https://arxiv.org/abs/2405.16751
REVECA: Adaptive Planning and Trajectory-based Validation in Cooperative Language Agents using Information Relevance and Relativ
We address the challenge of multi-agent cooperation, where agents achieve a common goal by cooperating with decentralized agents under complex partial observations. Existing cooperative agent systems often struggle with efficiently processing continuously
arxiv.org
Abstract
우리는 각 작업자가 부분적 관측을 할 수 있는 환경 상에서 서로간의 협업을 통해 공동의 업무를 달성하는 과정에서의 문제들을 다뤄본다.
기존의 협업 에이전트 시스템은 대부분
- 계속해서 축적되는 정보를 효율적으로 프로세싱하거나
- 각 협업자들에 대한 이해를 줄이고자, 전역적인 suboptimal planning을 관리하거나
- 다른 작업자로 인해 발생하는 환경적 변화가 가져오는 false planning을 해결하는
형태로 개발되었다.
우리는 이 문제들을 Relevance, Proximity, Validation-Enhanced Cooperative Languate Agent 줄여서 REVECA를 제안한다. 이 모델은 GPT-4o-mini를 통해서 증강된 novel cognitive 아키텍쳐이다. REVECA는 메모리 효율적이고, optimal planning을 가능케 하며, Relevance Estimation 레버리징, Adaptive Planning, Trajectory-based Validation을 이용하여 false planning을 고효율로 예방한다.
실험 결과는 REVECA가 기존의 다양한 벤치마크들을 뛰어넘으며, 유저스터디는 신뢰할 수 있는 human-AI 협력 구축을 위한 잠재력을 가지고 있음을 보여준다.