研究者らは、大規模言語モデルエージェントに対して専門モデルやツールへタスクを動的に割り当てるためにインセンティブ適合型オークションメカニズムを採用するフレームワーク「Agora」を提案した。

  • Agoraは推論ステップを取引可能なアイテムとして扱い、過信ではなく補正された能力に基づいてエージェントが入札できるようにする。
  • システムは機能的に類似した代替案間の性能のばらつきとコスト効率を考慮し、最も高性能なソルバーへ重要なロジックをルーティングする。
  • 5つのベンチマークでの評価により、Agoraが同等の候補プールにおいてマッチされた単一モデル、ルーティング、およびカスケードのベースラインを上回ることを示した。
  • このフレームワークは単一のオークションパラメータを通じて制御可能なコストと品質のトレードオフを提供する。

このアプローチは粗粒度のマッチングに依存する既存のフレームワークの限界に対処し、LLMエージェントの推論能力と効率性を向上させる。