최신 LLM 에이전트는 서로 상호작용할 때 효과적으로 탐색하지 못하고, 근시안적이고 양극화된 패턴을 보입니다. 이는 비효율적인 협력과 후회를 증가시킵니다.
연구진은 이 문제를 '멀티 에이전트 탐색' 문제로 정의하고, 부분적으로 관찰 가능한 확률적 게임(POSG)으로 모델링하여 동료의 역량을 파악하고 효과적인 상호작용 전략을 식별하도록 유도합니다.
Multi-Agent Contextual Exploration(MACE) 프레임워크는 구조화된 동료 선택을 통해 탐색을 장려하며, 다양한 환경에서 탐색 행동과 작업 성능을 향상시킵니다.