TodyComm: 다중 라운드 LLM 기반 멀티 에이전트 시스템을 위한 태스크 지향적 동적 통신

TodyComm: Task-Oriented Dynamic Communication for Multi-Round LLM-based Multi-Agent System

다중 라운드 LLM 기반 멀티 에이전트 시스템은 라운드 간 협력을 지원하기 위해 효과적인 통신 구조에 의존한다. 그러나 대부분의 기존 방법론은 추론 과정에서 고정된 통신 토폴로지를 사용하고 있어, 동적인 적대 상황, 태스크 진행, 또는 통신 대역폭과 같은 시변 제약 사항으로 인해 라운드마다 에이전트의 역할이 변경될 수 있는 많은 현실적인 응용 분야에서는 한계를 드러낸다. 본 논문에서는 태스크 지향적 동적 통신 알고리즘인 TodyComm을 제안하여 이러한 문제를 해결하고자 한다. TodyComm은 각 라운드의 동적 변화에 적응하는 행동 기반 협력 토폴로지를 생성하고, 정책 그래디언트(policy gradient)를 통해 태스크 효용을 최적화한다. 5가지 벤치마크에 대한 실험 결과, TodyComm은 동적 적대 상황 및 통신 예산 제약 하에서도 토큰 효율성과 확장성을 유지하면서 탁월한 태스크 수행 효과를 발휘함을 입증하였다.

Multi-round LLM-based multi-agent systems rely on effective communication structures to support collaboration across rounds. However, most existing methods employ a fixed communication topology during inference, which falls short in many realistic applications where the agents' roles may change \textit{across rounds} due to dynamic adversary, task progression, or time-varying constraints such as communication bandwidth. In this paper, we propose addressing this issue through TodyComm, a \textbf{t}ask-\textbf{o}riented \textbf{dy}namic \textbf{comm}unication algorithm. It produces behavior-driven collaboration topologies that adapt to the dynamics at each round, optimizing the utility for the task through policy gradient. Experiments on five benchmarks demonstrate that under both dynamic adversary and communications budgets, TodyComm delivers superior task effectiveness while retaining token efficiency and scalability.