CANTANTE는 대리 시스템의 성능 최적화를 위한 혁신적인 접근 방식을 제시합니다.
CANTANTE는 LLM 기반의 멀티 에이전트 시스템이 성능 점수를 전세계적 수준에서 평가받는 구조적인 문제를 해결하는 새로운 방법을 제안합니다. 에이전트의 설정을 수동 조정하는 대신, 작업 보상에서 학습한 파라미터로 처리하여 최적화를 가능하게 합니다. 이를 통해, 신뢰할 수 있는 자율 시스템으로의 전환이 가능해집니다. 실험 결과, CANTANTE는 여러 성능 기준에서 가장 높은 순위를 기록하며 기존 방법론보다 우수한 성능을 보였습니다.
CANTANTE proposes an innovative approach to optimize agentic systems' performance.
CANTANTE introduces a novel method to tackle the structural challenge of evaluating LLM-based multi-agent systems' performance at a global level. Instead of manual tuning, it treats agent prompts as parameters learned from task rewards, facilitating optimization. This approach enables a transition to reliable autonomous systems. Experimental results show that CANTANTE achieves the best rankings across various benchmarks, outperforming prior methodologies significantly.