연구진은 다양한 LLM 에이전트가 서로 지식을 공유할 수 있도록 Multi-Agent Transactive Memory (MATM) 프레임워크를 제안했어요.
MATM은 에이전트가 생성한 경로(trajectory)를 저장하고 검색하여, 새로운 에이전트가 기존의 해결책을 재발견하는 것을 방지하는 시스템이에요.
ALFWorld와 WebArena 환경에서 실험 결과, MATM을 통해 작업 성능이 향상되고 상호작용 단계가 줄어들었으며, 별도의 조정이나 공동 훈련 없이도 효과적임을 입증했어요.