論文の概要: Harnessing Multi-Agent LLMs for Complex Engineering Problem-Solving: A Framework for Senior Design Projects

• arxiv url: http://arxiv.org/abs/2501.01205v1
• Date: Thu, 02 Jan 2025 11:25:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 17:17:39.385519
• Title: Harnessing Multi-Agent LLMs for Complex Engineering Problem-Solving: A Framework for Senior Design Projects
• Title（参考訳）: 複雑なエンジニアリング問題解決のためのマルチエージェントLLMのハーネス化: シニアデザインプロジェクトのためのフレームワーク
• Authors: Abdullah Mushtaq, Muhammad Rafay Naeem, Ibrahim Ghaznavi, Muhammad Imran Taj, Imran Hashmi, Junaid Qadir,
• Abstract要約: マルチエージェント大規模言語モデル(LLM)は、集合的知性を活用する能力において大きな注目を集めている。 本稿では,工学系学生が実施する上級設計プロジェクトを支援するために,マルチエージェント LLM の利用について検討する。 本稿では,問題定式化エージェント,システム複雑化エージェント,社会的・倫理的エージェント,プロジェクトマネージャなど,異なる専門家の視点でLLMエージェントが表現されるフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.0325111338432529
• License:
• Abstract: Multi-Agent Large Language Models (LLMs) are gaining significant attention for their ability to harness collective intelligence in complex problem-solving, decision-making, and planning tasks. This aligns with the concept of the wisdom of crowds, where diverse agents contribute collectively to generating effective solutions, making it particularly suitable for educational settings. Senior design projects, also known as capstone or final year projects, are pivotal in engineering education as they integrate theoretical knowledge with practical application, fostering critical thinking, teamwork, and real-world problem-solving skills. In this paper, we explore the use of Multi-Agent LLMs in supporting these senior design projects undertaken by engineering students, which often involve multidisciplinary considerations and conflicting objectives, such as optimizing technical performance while addressing ethical, social, and environmental concerns. We propose a framework where distinct LLM agents represent different expert perspectives, such as problem formulation agents, system complexity agents, societal and ethical agents, or project managers, thus facilitating a holistic problem-solving approach. This implementation leverages standard multi-agent system (MAS) concepts such as coordination, cooperation, and negotiation, incorporating prompt engineering to develop diverse personas for each agent. These agents engage in rich, collaborative dialogues to simulate human engineering teams, guided by principles from swarm AI to efficiently balance individual contributions towards a unified solution. We adapt these techniques to create a collaboration structure for LLM agents, encouraging interdisciplinary reasoning and negotiation similar to real-world senior design projects. To assess the efficacy of this framework, we collected six proposals of engineering and computer science of...
• Abstract（参考訳）: マルチエージェント大規模言語モデル(LLM)は、複雑な問題解決、意思決定、計画タスクにおいて集団知性を活用する能力において、大きな注目を集めている。 これは群衆の知恵の概念と一致し、多様なエージェントが効果的なソリューションを生み出すために一括して貢献し、特に教育的設定に適している。 上級設計プロジェクト(英: Senior design project、英: capstone、またはfinal year project)は、工学教育において重要な役割を担い、理論的な知識を実践的な応用と統合し、批判的思考、チームワーク、現実世界の問題解決スキルを育む。 本稿では,工学系学生が実施する上級設計プロジェクトを支援するために,多分野の考察や,倫理的,社会的,環境的な問題に対処しながら技術的パフォーマンスを最適化するなど,相反する目的を含む多分野のLLMの利用について検討する。 本稿では,問題定式化エージェント,システム複雑化エージェント,社会的・倫理的エージェント,プロジェクトマネージャなど,異なる専門家の視点でLLMエージェントが表現されるフレームワークを提案する。 この実装は、協調、協力、交渉といった標準的なマルチエージェントシステム(MAS)の概念を活用し、各エージェントのための多様なペルソナを開発するために、プロンプトエンジニアリングを取り入れている。 これらのエージェントは、人間のエンジニアリングチームをシミュレートするために、リッチで協調的な対話に従事します。 我々はこれらの手法をLLMエージェントの協調構造に適応させ、現実世界のシニアデザインプロジェクトと同様の学際的推論と交渉を奨励する。 この枠組みの有効性を評価するため、我々は6つの工学と計算機科学の提案を収集した。

関連論文リスト

• Multi-Agent Collaboration Mechanisms: A Survey of LLMs [6.545098975181273]
  マルチエージェントシステム(Multi-Agent Systems、MAS)は、知的エージェントのグループによる複雑なタスクの協調と解決を可能にする。 この研究は、MASの協調的な側面に関する広範な調査を提供し、将来の研究を導くための枠組みを紹介している。
  論文  参考訳（メタデータ） (2025-01-10T19:56:50Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  本稿では,高速なタスク分解とアロケーションプロセスを活用するマルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークを提案する。 提案フレームワークにフィードバックループを組み込んで,そのような問題解決プロセスの有効性と堅牢性をさらに向上させる。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• TeamLoRA: Boosting Low-Rank Adaptation with Expert Collaboration and Competition [61.91764883512776]
  我々は,専門家のためのコラボレーション・コンペティション・モジュールからなる,革新的なPEFT手法であるTeamLoRAを紹介する。 そうすることで、TeamLoRAは専門家を"チーム"として内部のコラボレーションや競争に結び付け、マルチタスク学習のためのより高速で正確なPEFTパラダイムを可能にします。
  論文  参考訳（メタデータ） (2024-08-19T09:58:53Z)
• LLM-Based Multi-Agent Systems for Software Engineering: Literature Review, Vision and the Road Ahead [14.834072370183106]
  本稿では,LMA(Multi-Agent)システムへのLarge Language Modelの統合の可能性について検討する。 複数のエージェントの協調的かつ専門的な能力を活用することで、LMAシステムは自律的な問題解決を可能にし、堅牢性を改善し、現実世界のソフトウェアプロジェクトの複雑さを管理するスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2024-04-07T07:05:40Z)
• MacGyver: Are Large Language Models Creative Problem Solvers? [87.70522322728581]
  本稿では, 現代LLMの創造的問題解決能力について, 制約付き環境下で検討する。 我々は1,600以上の実世界の問題からなる自動生成データセットであるMACGYVERを作成する。 我々はLLMと人間の両方にコレクションを提示し、それらの問題解決能力を比較して比較する。
  論文  参考訳（メタデータ） (2023-11-16T08:52:27Z)
• Balancing Autonomy and Alignment: A Multi-Dimensional Taxonomy for Autonomous LLM-powered Multi-Agent Architectures [0.0]
  大規模言語モデル(LLM)は、洗練された言語理解と生成能力を備えた人工知能の分野に革命をもたらした。 本稿では,LLMを用いた自律型マルチエージェントシステムが自律性とアライメントの動的相互作用をどのようにバランスさせるかを分析するために,総合的な多次元分類法を提案する。
  論文  参考訳（メタデータ） (2023-10-05T16:37:29Z)
• Corex: Pushing the Boundaries of Complex Reasoning through Multi-Model Collaboration [83.4031923134958]
  Corexは,大規模言語モデルを自律エージェントに変換する,新たな汎用戦略スイートだ。 人間の振る舞いにインスパイアされたCorexは、Debate、Review、Retrieveモードといった多様なコラボレーションパラダイムによって構成されている。 我々は,複数のLDMを協調的に演奏することで,既存の手法に比べて性能が著しく向上することが実証された。
  論文  参考訳（メタデータ） (2023-09-30T07:11:39Z)
• Cooperation, Competition, and Maliciousness: LLM-Stakeholders Interactive Negotiation [52.930183136111864]
  我々は,大言語モデル(LLM)を評価するためにスコーラブルネゴシエーション(scorable negotiations)を提案する。 合意に達するには、エージェントは強力な算術、推論、探索、計画能力を持つ必要がある。 我々は、新しいゲームを作成し、進化するベンチマークを持つことの難しさを増大させる手順を提供する。
  論文  参考訳（メタデータ） (2023-09-29T13:33:06Z)
• Multi-Agent Collaboration: Harnessing the Power of Intelligent LLM Agents [0.0]
  本稿では,マルチエージェントシステムのパワーを活用した大規模言語モデル(LLM)の能力向上のための新しいフレームワークを提案する。 本フレームワークでは,複数の知的エージェントコンポーネントがそれぞれ特有な属性と役割を持つ協調環境を導入し,複雑なタスクをより効率的に効率的に処理する。
  論文  参考訳（メタデータ） (2023-06-05T23:55:37Z)
• Learning Reward Machines in Cooperative Multi-Agent Tasks [75.79805204646428]
  本稿では,MARL(Multi-Agent Reinforcement Learning)に対する新しいアプローチを提案する。 これは、協調的なタスク分解と、サブタスクの構造をコードする報酬機(RM)の学習を組み合わせる。 提案手法は、部分的に観測可能な環境下での報酬の非マルコフ的性質に対処するのに役立つ。
  論文  参考訳（メタデータ） (2023-03-24T15:12:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。