RecursiveMAS, 멀티에이전트 AI 비용 75% 절감: 연구진
RecursiveMAS cuts multi-agent AI costs by 75%: researchers
TL;DR AI
1분핵심 요약
UIUC와 스탠퍼드 연구진은 텍스트 대신 잠재 임베딩으로 에이전트가 소통하는 재귀형 다중 에이전트 AI 프레임워크 RecursiveMAS를 공개했다.
실험에서 이 시스템은 복잡한 작업 전반의 정확도를 높이고, 추론 속도를 개선하며, 텍스트 기반 에이전트 체인보다 토큰 사용량을 줄였다.
또한 RecursiveMAS는 LoRA 같은 일반적인 미세조정 방식보다 학습 비용이 낮아, 맞춤형 다중 에이전트 시스템을 더 쉽게 구축·확장할 수 있게 한다.