この論文では、大規模言語モデル（LLMs）に基づく多エージェントアプローチが、単一モデルの能力を超えるための有望な戦略であることを示しています。しかし、シナジーのあるチームを形成することは大きな課題であり、ほとんどのモデルの内部特性が不明瞭であるため、協力に必要な情報が隠されています。本研究では、内部アーキテクチャやトレーニングデータ、タスクのパフォーマンスに関する事前知識を必要としない自動チーム構成のためのインタラクション中心のフレームワークを提案します。提案手法は、モデル間の関係をペアの会話の意味的整合性からマッピングする「言語モデルグラフ」を構築し、シナジーのあるモデルクラスターを特定するためにコミュニティ検出を適用します。様々なLLMsを用いた実験では、提案手法が機能的に一貫したグループを発見し、これらのチームが無作為なベースラインを上回る結果を示しています。