RSS VentureBeat
팔로우
스탠포드의 DeLM, 중앙 오케스트레이터 없이 멀티 에이전트 작업 비용 50% 절감
전통적인 AI 프레임워크는 중앙 집중식 "보스" 에이전트에 의존하여 작업을 조율하는데, 이는 통신 병목 현상과 효율성 저하로 이어질 수 있습니다. 스탠포드의 새로운 프레임워크인 DeLM은 에이전트들이 직접 협력하는 분산형 접근 방식을 제안합니다. DeLM은 공유 지식 기반을 통신 기질로 활용하여, 중앙 컨트롤러 없이도 검증된 진행 상황을 기반으로 에이전트들이 구축할 수 있도록 합니다. 이러한 설계는 중앙 집중식 시스템의 비효율성과 잠재적인 정보 왜곡을 피합니다. 전통적인 시스템에서는 메인 에이전트가 작업을 분해하고, 할당하고, 응답을 병합하여 실패 지점을 만듭니다. 그러나 DeLM은 작업을 분산시키고 에이전트들이 비동기적으로 작업을 요청하고 수행할 수 있도록 합니다. 이 프레임워크는 작업 큐와 공유 컨텍스트를 사용하여 에이전트들이 "gist"라고 불리는 간결하고 검증된 업데이트를 작성합니다. 이러한 gist는 증거에 대해 확인되며, 완전히 검증된 것만 공유됩니다. DeLM의 파이프라인은 초기화, 병렬 실행, 압축 및 검증, 그리고 완료를 결정하는 최종 단계를 포함합니다. 이 분산형 모델은 에이전트들이 중복 작업을 피하고, 발견한 내용을 재사용하며, 해결되지 않은 문제에 집중할 수 있도록 합니다. DeLM은 SWE-bench 및 LongBench-v2와 같은 벤치마크에서 우수한 성능과 비용 절감을 입증했습니다. 에이전트들이 실패를 공유하고 검증된 제약을 활용할 수 있도록 하며, "unfolding" 메커니즘을 통해 컨텍스트를 효율적으로 관리함으로써 정확도를 향상시킵니다. 궁극적으로 DeLM은 다중 에이전트 시스템에서 중앙 컨트롤러의 필요성에 도전하며, 더 빠르고 정확하며 비용 효율적인 대안을 제공합니다.
