분산 일반 목적 agent 네트워크: 아키텍처, 주요 메커니즘 및 프로토타입

대규모 언어 모델(LLM)은 대화 협력자에서 자율적이면서 목표를 이해하고 행동을 계획하고 도구를 호출하고 다단계 작업을 수행하는 자율적 인 agent로의 전환을 촉진했습니다. 그러나 단일 agent의 능력은 지역 데이터, 도구 허가, 실행 환경 및 통치 경계에 의해 제한됩니다. 이 논문은 분산 일반-purpose agent 네트워크를 연구합니다: 개방형 peer-to-peer 네트워크에서 개인 기기, 에지 노드 또는 자율 컴퓨팅 환경에 배포된 다양한 agent가 서로를 발견하고 신뢰를establish, 협력 규칙을 협상하고 open-ended 작업을 수행할 수 있습니다. 우리는 이러한 네트워크가 단순히 기존의 peer-to-peer overlay와 전통적인 multi-agent 시스템을 결합하는 것만으로 얻을 수 있는 것은 아니라고 주장합니다. 전통적인 P2P 네트워크와 달리 agent 네트워크는 의도, 능력, 상태 및 협력 제약과 같은 의미적 선언에 대한 정보를 전파해야합니다. 따라서 우리는 상위 레벨 작업 의미론과 하위 레벨 네트워크 작업을 연결하는 프로토콜 적응 층을 중심으로 하는 층상 아키텍처를 제안합니다. 이 아키텍처에 따라 논문은 세 가지 핵심 메커니즘 문제를 식별합니다: 협력자 발견을위한 의미적 선언 전파, 협력 지배를위한 신뢰할 수 있는 항목과 다주제 신뢰도, open task 실행을위한 의미적 기울기 메커니즘 설계. 각 문제에 대해, 우리는 기술 경로를 제시합니다: 체계 없는 소식통과 순차 로그, BAID 기반 항목 결합과 MG-EigenTrust 신뢰도, 의미적 atribuition feedback에 의해 구동되는 Stackelberg-style mechanism-generation loop. 또한 우리는 BAID-style tiered verification에 대한 prototype overhead 결과와 MG-EigenTrust에 대한 cross-topic disguise-collusion 공격 아래의 mechanism-level 시뮬레이션 결과를 보고합니다. 결과 framework는 open, trustworthy, scalable agent 협력을 위한 시스템 레벨 기초를 제공합니다.