複雑さの中を航行する：マルチエージェントLLMsによる協調的問題解決

大規模言語モデル（LLMs）は多様なタスク解決能力を示しているものの、複雑であいまいな問題に包括的に対処することがしばしば難しい。既存のアプローチ、特にマルチエージェントLLMシステムは特定の課題に対する解決策を提供するが、依然として手動設定が必要であり、拡張性に欠ける。このギャップを埋めるために、我々は問題を分解することでLLMsがあいまいな問題に効果的に対処できる新たなアプローチを提案する。本手法では、オーケストレーターとなるLLMがユーザーと対話し問題を理解し、具体的なサブ問題に分解する。LLMが一度に問題全体を解決することを期待せず、ユーザーの要件を深く理解するための追質問を行うよう訓練する。問題が十分に理解されると、オーケストレーターLLMはそれをより小さく管理可能なサブ問題に分割し、各サブ問題を専門化されたLLMエージェントまたは非LLM機能に割り当てる。これらのエージェントは並行してそれぞれのサブ問題を解決し、オーケストレーターLLMがプロセスを監督し、解決策をまとめてユーザーに包括的な回答を提供する。この分解アプローチにより、LLMsの出力に対するトークン制限の制約を緩和し、複雑で曖昧な問題に対してより繊細な解決策を提供できるようにする。本手法を通じて、LLMsが人間のように考え、操作し、複雑な問題を管理可能な部分に分割し協調的に解決する能力を有効にすることを目指す。これにより、LLMsの問題解決能力が向上するだけでなく、幅広い現実世界の課題に対応するスケーラブルかつ効率的な手法を提供する。