멀티 에이전트 토론의 진정한 가치는 진실 확인 태스크가 아닌 반박 가능한(defeasible) 영역에 있다고 주장하며, 신념 최적화 엔진으로 반박 가능 논증을 다루는 CHAL 프레임워크를 제시합니다. 각 에이전트는 그래프 구조 신념 스키마(CBS)를 유지하며 그래디언트 기반 역학 메커니즘으로 신념을 수정합니다. 인식론·논리·윤리를 포괄하는 메타인지 가치 시스템이 설정 가능한 하이퍼파라미터로 작동하며, 심판자의 가치 시스템과 협의회 다양성이 신념 공간 궤적을 결정함을 실험으로 입증했습니다.
- •CHAL은 멀티 에이전트 토론을 반박 가능 도메인의 구조화된 신념 최적화로 재정의
- •그래프 구조 신념 스키마(CBS)와 그래디언트 기반 역학으로 체계적 신념 수정 지원
- •인식론·논리·윤리를 포괄하는 메타인지 가치 시스템을 설정 가능한 하이퍼파라미터로 제어
- •감사 가능한 신념 산출물 생성으로 AI 시스템의 투명성과 인간 감독 강화에 기여
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
CHAL: Council of Hierarchical Agentic Language
- 1.다중 에이전트 토론을 결반증 가능 도메인에서 신념 최적화로 재정의하는 CHAL 프레임워크 제안
- 2.에이전트별 그래프 구조 CHAL Belief Schema(CBS)로 베이지안 기반 신념 개정 메커니즘 제공
- 3.인식론·논리·윤리를 조정 가능한 하이퍼파라미터로 설정해 에이전트 추론 통제
- 4.감사 가능한 신념 아티팩트로 AI 추론의 투명성과 인간 감독 가능성 기반 마련
왜 중요한가?
다수결 투표에 의존하던 기존 LLM 토론 방식의 한계를 넘어, 반박 가능 논증을 신념 최적화 엔진으로 활용해 정렬되고 투명한 AI 추론 시스템을 구현한다.
언급 프로젝트
본문 미리보기
arXiv:2605.12718v1 Announce Type: new Abstract: Multi-agent debate has emerged as a promising approach for improving LLM reasoning on ground-truth tasks, yet current methodologies face certain structural limitations: debate tends to induce a martingale over belief trajectories, majority voting accounts for most observed gains, and LLMs exhibit confidence escalation rather than calibration across rounds. We argue that the genuine value of debate, and dialectic systems as a whole, lies not in gro
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:10AI 초안
