具現化されたLLMエージェントが組織的なチームで協力する方法を学ぶ

大規模言語モデル（LLM）は、推論、計画、および意思決定のための不可欠なツールとして浮上しており、その広範な世界知識と言語関連タスクの熟練度を活用しています。したがって、LLMは多エージェントシステム内での自然言語インタラクションにおいて協力を促進するための大きな可能性を秘めています。しかし、LLMエージェントは指示に従いすぎて過剰に報告する傾向があり、これが多エージェント協力において情報の冗長性と混乱を引き起こす可能性があります。本論文は、人間の組織からインスパイアを受けたフレームワークを導入し、これらの問題を軽減するためにLLMエージェントに対してプロンプトベースの組織構造を課します。具現化されたLLMエージェントと人間エージェントとのコラボレーションに関する一連の実験を通じて、私たちの結果はチーム効率に対する指名されたリーダーシップの影響を強調し、LLMエージェントが示すリーダーシップの資質とその自発的な協力行動に光を当てます。さらに、私たちは批評・反省プロセスを通じてLLMの潜在能力を活用し、コミュニケーションコストを削減しチーム効率を向上させる新しい組織構造をもたらす強化された組織プロンプトを提案します。