연구진은 자연어 요구사항에서 최적화 모델링 문제를 해결하는 데 어려움을 겪는 LLM의 한계를 극복하기 위해 분산 토론과 읽기-쓰기 메모리 뱅크를 결합한 에이전트 프레임워크 'Agora-Opt'를 제안했어요.
Agora-Opt는 여러 에이전트 팀이 독립적으로 솔루션을 생성하고 결과를 토대로 토론하며, 검증된 아티팩트와 과거 합의를 메모리에 저장하여 지속적인 개선을 지원해요.
공개 벤치마크에서 Agora-Opt는 기존 LLM, 학습 중심 접근 방식, 에이전트 기반 모델을 능가하는 최고의 성능을 보여줬으며, 다양한 백본과 구성 요소에서 견고한 이점을 확인했어요.