Dynamic Knowledge Integration in Multi-Agent Systems for Content Inference

動画引用元論文

Dynamic Knowledge Integration in Multi-Agent Systems for Content Inference

著　者
Atsushi Yamamoto, Takumi Iida, Taito Naruki, Akihiko Katagiri, Yudai Koike, Ryuta Shimogauchi, Kota Shimomura, Eri Onami, Koki Inoue, Osamu Ito
収　録
ICLR 2025 Workshop Agentic AI
発　行
2025/3/6
要　旨
Advancements in cutting-edge science and technology have resulted from the integration of multiple interdisciplinary domains beyond traditional academic boundaries. Achieving effective cross-domain knowledge-sharing and consensus-building is crucial. However, single-agent Large Language Models (LLMs) solutions often struggle to integrate the diverse and highly specialized knowledge required in these contexts. This study proposes a multi-agent system with dynamic knowledge integration, where multiple specialized LLM-based agents cooperatively infer content by referencing different domain-specific databases. Each agent selectively and dynamically updates references based on conversational context to achieve deeper insight and more robust solutions. We propose four system architectures---Decentralized, Centralized, Layered, and Shared Pool---for agent coordination. We then evaluate these approaches on a title-to-abstract inference task using a subset of the arXiv dataset, demonstrating that multi-agent systems significantly outperform single-agent models in both accuracy and stability. Notably, expert agents, restricted to domain-specific data, produce more precise and consistent outputs, and the Decentralized architecture fosters increased domain interaction. These findings suggest that the collaboration of specialized multi-agent systems can more effectively facilitate the consensus-building process in the advancement of complex interdisciplinary scientific domains.

Speaker

Atsushi Yamamoto
山本　篤 / Atsushi Yamamoto

その他 執筆論文（共著含む）

動的な専門知識連携を意識したマルチエージェントシステム

著　者
山本 篤, 成木 太音, 片桐 章彦, 小池 湧大, 飯田 啄巳, 下垣内 隆太, 下村 晃太, 大南 英理, 井上 顧基, 伊藤 修
収　録
2025年度人工知能学会全国大会（第39回）
発　行
2025/05/27
要　旨
本研究は，自動車産業などの複雑な製品開発現場における多層的なコミュニケーション課題に着目し，動的に知識を統合・更新するマルチエージェントシステムを提案する．従来，単一のエージェントでは限界があった専門分野横断的な知識統合を，複数の専門エージェントが協調することで実現する．各エージェントは異なるデータベースを参照し，会話の文脈に応じて最適な文献を動的に選択・更新することで，新たな視点や深い洞察を導く．提案するシステムは，Decentralized型，Centralized型，Layered型，Shared-Pool型の4種類の結合方式を採用し，それぞれの特性を比較検討した．arXivデータセットを用いた実験では，シングルエージェントに比べてマルチエージェントの方が高い精度と安定性を示し，特に専門分野に特化したエキスパートエージェントの活用によって，関連知識の正確な推論が可能であることが確認された．Decentralized型は密な対話を通じて多様な専門知識の交換を促進し，より高精度な結果をもたらすことが示唆された．