EMS: 효율적인 다수결 후 중단 방식을 이용한 다중 에이전트 투표

EMS: Multi-Agent Voting via Efficient Majority-then-Stopping

다중 에이전트의 응답을 최종 결정으로 통합하는 표준 방법은 다수결 투표입니다. 그러나 기존 방식은 일반적으로 모든 에이전트가 추론을 완료한 후에 통합을 시작해야 하므로, 다수결 합의가 달성되면 많은 응답이 중복되어 상당한 계산 오버헤드를 발생시킵니다. 본 연구에서는 다중 에이전트 투표를 신뢰성을 고려한 에이전트 스케줄링 문제로 정의하고, 추론 효율성을 향상시키기 위해 효율적인 다수결 후 중단 (Efficient Majority-then-Stopping, EMS) 방식을 제안합니다. EMS는 작업 관련 신뢰성을 기반으로 에이전트를 우선순위화하고, 다음 세 가지 핵심 구성 요소를 통해 다수가 달성되는 즉시 추론 파이프라인을 종료합니다. 구체적으로, 에이전트의 신뢰성을 추정하기 위해 과거 성능 및 의미 유사성을 활용하는 에이전트 신뢰도 모델링 (Agent Confidence Modeling, ACM), 조기 종료를 통해 에이전트를 순차적으로 선택하는 적응적 점진적 투표 (Adaptive Incremental Voting, AIV), 그리고 각 기여 에이전트의 신뢰도를 동적으로 업데이트하는 개별 신뢰도 업데이트 (Individual Confidence Updating, ICU)를 도입합니다. 여섯 가지 벤치마크를 사용한 광범위한 실험 결과, EMS는 평균적으로 사용되는 에이전트 수를 32% 감소시키는 것을 확인했습니다.

Majority voting is the standard for aggregating multi-agent responses into a final decision. However, traditional methods typically require all agents to complete their reasoning before aggregation begins, leading to significant computational overhead, as many responses become redundant once a majority consensus is achieved. In this work, we formulate the multi-agent voting as a reliability-aware agent scheduling problem, and propose an Efficient Majority-then-Stopping (EMS) to improve reasoning efficiency. EMS prioritizes agents based on task-aware reliability and terminates the reasoning pipeline the moment a majority is achieved from the following three critical components. Specifically, we introduce Agent Confidence Modeling (ACM) to estimate agent reliability using historical performance and semantic similarity, Adaptive Incremental Voting (AIV) to sequentially select agents with early stopping, and Individual Confidence Updating (ICU) to dynamically update the reliability of each contributing agent. Extensive evaluations across six benchmarks demonstrate that EMS consistently reduces the average number of invoked agents by 32%.