ANTMAN: Adaptive Need Tracking for Multi-Agent Navigation in Large Information Spaces
정적 분할 방식 대신 해결되지 않은 '정보 요구사항(Need)'을 기준으로 에이전트 간 협업을 최적화하는 적응형 멀티 에이전트 프레임워크
논문이 다루는 내용
대규모 정보 공간에서 에이전트가 탐색할 때, 기존 방식은 공간을 정적으로 분할하여 정보 규모가 커질수록 협업 비용이 급증하는 문제가 있었습니다. 이를 해결하기 위해 ANTMAN은 해결되지 않은 정보 요구사항을 협업의 기본 단위로 삼는 적응형 프레임워크를 제안합니다. ANTMAN은 'Need Graph'를 통해 미해결 요구사항, 축적된 증거, 이전 시도 등을 추적하며 이를 바탕으로 작업자 선택 및 라우팅을 제어합니다. 또한 협업 정책을 검색 인터페이스와 분리하여 다양한 정보 공간에 적용할 수 있도록 설계되었습니다. 실험 결과, 검색 컨텍스트가 16배 증가해도 협업 비용 증가를 최소화하면서도 높은 답변 품질을 유지함을 입증했습니다.
핵심 결과
-
정적 공간 분할이 아닌 '미해결된 정보 요구사항(Need)' 중심의 동적 협업 메커니즘 도입
-
상태 추적을 위한 'Need Graph'를 통해 작업자 선택, 라우팅, 로컬 복구 제어
-
협업 정책과 검색 인터페이스의 분리로 다양한 정보 공간에 대한 범용성 확보
실무에서 볼 만한 점
RAG나 에이전트 시스템 구축 시, 데이터 규모가 커져도 불필요한 연산 비용을 억제하며 효율적인 멀티 에이전트 워크플로우를 설계할 수 있는 인사이트를 제공합니다.
읽을 때 확인할 점
-
정적 데이터 분할 방식과 Need Graph 기반 방식의 연산 비용(Token/Time) 비교 실험
-
작은 모델(Small Model)을 워커로 사용했을 때의 성능 유지력 테스트
-
복잡한 구조적 데이터(Structured Navigation) 환경에서의 에이전트 라우팅 효율 검증