이 논문은 기존 에이전트 추론 시스템이 의존하는 중앙집중형 프로토콜이 복잡한 멀티모달 질의 처리 시 라우팅 병목과 고정된 역할 배분 문제를 일으킨다고 지적하며, 중앙 통제 대신 자율적 피어투피어 협업으로 전환하는 프레임워크 DeAR(Decentralized Agentic Reasoning)를 제안한다. DeAR는 질의에 따라 에이전트를 전문화하는 탈중앙 능력 그라운딩, 목표 지향적 피어 상호작용을 위한 사고 지도(thought map) 내비게이션, 적응적 오류 수정을 위한 토폴로지 업데이트라는 세 가지 메커니즘으로 구성된다. 9개의 다양한 멀티모달 추론 및 텍스트 기반 질의응답 벤치마크 평가에서 DeAR는 최근 베이스라인 방법들을 일관되게 능가해, 탈중앙적이고 적응적인 에이전트 간 협업이 지식 집약적 추론 과제의 정확도를 높인다는 것을 입증했다.

• •중앙집중형 에이전트 추론 프로토콜의 라우팅 병목과 고정 역할 배분 문제를 해결하기 위해 탈중앙 협업 프레임워크 DeAR를 제안했다.
• •질의 기반 능력 그라운딩, 사고 지도 내비게이션, 적응적 토폴로지 업데이트라는 세 가지 메커니즘으로 구성된다.
• •9개 멀티모달 추론·QA 벤치마크에서 DeAR가 최근 베이스라인 방법들을 일관되게 능가했다.