RoleFlow: Self-Evolving Multi-Role Agentic Collaboration via Structural Adaptation↗ (원문, 새 창)

연구팀은 LLM 기반 다중 에이전트 시스템이 고정된 협업 구조에 의존해 변화하는 과업 요구에 적응하기 어려운 문제를 해결하기 위해 자가 진화형 다중 역할 에이전트 시스템 RoleFlow를 제안했다. 피드백 기반의 원자적 수정과 필요 시 역할 합성을 통해 협업 구조를 정교화하며, 각 수정을 동일 체인 상태에서 수정 없는 경우와 비교해 평가하고 수정에 특화된 토큰에 기여도를 할당하는 단일 수정 반사실 정책 최적화(SECPO)를 도입했다. 4개 영역, 7개 벤치마크 전반에서 RoleFlow는 평균 성능 1위를 기록해 가장 강력한 경쟁 기법을 4.7점 앞섰고, 3개의 다중 홉 질의응답 벤치마크 전체에서 F1 기준 3.2~7.5점 우위를 보였으며 수학 추론, 웹 상호작용, 코드 생성에서도 우수성을 입증했다. 추가 분석은 벤치마크 간 전이 가능성, 학습 데이터 효율성, 실행자 간 일반화 능력도 뒷받침했다.

• 고정된 협업 구조의 한계를 극복하는 자가 진화형 다중 역할 에이전트 시스템 RoleFlow 제안
• 수정별 기여도를 반사실적으로 평가하는 SECPO로 구조 적응을 학습 가능하게 함
• 7개 벤치마크·4개 영역에서 최고 평균 성능, 최강 경쟁 기법을 4.7점 차이로 앞섬
• 다중 홉 QA에서 F1 3.2~7.5점 우위, 수학·웹 상호작용·코드 생성에서도 우수한 성능 입증