연구자료실
설비 연결, 품질 검사, 생산 분석과 제조 업무에 관련된 외부 논문입니다.
연구자료 검색
논문 목록
T01. LLM 에이전트 오케스트레이션과 하네스
- T01-14후보2025년 이후
Multi-Agent Collaboration via Evolving Orchestration
한국어 검토 보기
해결 문제
- 협업 구조를 사람이 미리 고정하면 과제가 바뀔 때 비효율이 생긴다.
- 에이전트를 많이 부를수록 비용이 그만큼 늘어난다.
핵심 구조
- 중앙 지휘자를 두고 매 순간 다음에 누구를 부를지 고른다.
- 과제 진행 상태를 보고 순서와 우선순위를 바꾼다.
- 지휘자를 강화학습으로 훈련해 성능과 비용을 함께 맞춘다.
주요 결과
- 고정 구조 대비 성능은 올리고 호출 비용은 줄였다.
- 학습이 진행되면 더 짧고 되돌아오는 형태의 추론 구조가 스스로 나타났다.
한계
- 지휘자 학습에 보상 신호와 실행 기록이 많이 필요하다.
- 중앙 집중 구조라 지휘자가 병목이자 단일 실패 지점이다.
- 실험 분야가 제한적이다.
우리 기능과의 연결
- AI 보고서와 제조 AI 분석에서 어떤 분석 에이전트를 언제 부를지 자동으로 정하는 방식의 후보다.
- T01-4후보
Generative Agents: Interactive Simulacra of Human Behavior
한국어 검토 보기
해결 문제
- 에이전트가 오래 돌면 앞서 겪은 일을 잊는다.
- 프롬프트 창에 다 넣을 수 없으니 무엇을 기억하고 무엇을 꺼낼지 정해야 한다.
핵심 구조
- 겪은 일을 자연어 기록으로 계속 쌓는다(기억 저장소).
- 최근성, 중요도, 관련성 세 가지로 점수를 매겨 지금 필요한 기억만 꺼낸다.
- 쌓인 기억을 묶어 더 높은 수준의 결론을 만든다(회고).
- 회고 결과로 그날의 계획을 세우고 행동한다.
주요 결과
- 에이전트 25개를 샌드박스 마을에 두고 오래 돌렸다.
- 사람이 한 줄 지시(파티를 연다)만 넣었는데 초대 전파, 새 친구 사귀기, 약속 잡기가 저절로 이어졌다.
- 구성요소를 하나씩 빼는 실험에서 관찰, 계획, 회고가 각각 필요하다는 것을 보였다.
한계
- 시뮬레이션 환경이라 실제 업무 시스템의 제약이 없다.
- 회고를 자주 돌리면 호출 비용이 크게 늘어난다.
- 기억이 왜곡되면 그 위에 쌓인 결론까지 같이 틀어진다.
우리 기능과의 연결
- 업무 실행 에이전트가 지난 조치 이력을 기억하고 요약해 다음 판단에 쓰는 방식의 후보다.
- T01-5후보
Reflexion: Language Agents with Verbal Reinforcement Learning
한국어 검토 보기
해결 문제
- 에이전트가 실패해도 다음 시도에서 같은 실수를 반복한다.
- 모델 가중치를 다시 학습하는 방식은 비싸고 느리다.
핵심 구조
- 실패 신호를 말로 된 반성문으로 바꾼다.
- 반성문을 기억 버퍼에 쌓아 다음 시도 프롬프트에 넣는다.
- 가중치는 건드리지 않고 텍스트만으로 개선한다.
주요 결과
- HumanEval 코딩 과제에서 pass@1 91%를 보고했다. 당시 GPT-4 80% 대비 향상.
한계
- 성공과 실패를 판정해 줄 평가자가 있어야 한다.
- 기억이 쌓이면 프롬프트가 길어지고 잘못된 반성이 굳어질 수 있다.
- 반복 시도만큼 호출 비용이 배로 든다.
우리 기능과의 연결
- AI 기준정보 생성에서 결과를 검증하고 재시도로 품질을 올리는 방식의 후보다.
- T01-6후보
CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society
한국어 검토 보기
해결 문제
- 사람이 매번 지시를 넣어야 대화형 모델이 일을 끝낸다.
- 사람 개입 비용이 크고 대화가 옆길로 샌다.
핵심 구조
- 역할을 둘로 나눈다. 지시하는 쪽과 수행하는 쪽.
- 시작 프롬프트(inception prompting)로 두 역할의 규칙을 못박는다.
- 두 에이전트가 서로 주고받으며 과제를 끝까지 끌고 간다.
주요 결과
- 사람 개입 없이 역할 대화만으로 과제를 수행하는 대화 데이터를 대량 생성했다.
- 다중 에이전트 상황의 지시 따르기 협업을 분석할 공개 자료를 냈다.
한계
- 역할이 뒤바뀌거나 대화가 끝나지 않고 도는 문제가 있다.
- 정답이 정해진 산업 과제보다 탐색형 과제에 치우친다.
- 정량 성능 비교가 약하다.
우리 기능과의 연결
- AI 보고서 작성에서 요구 정리 담당과 작성 담당을 나누는 구성의 후보다.
연구에서 제품 적용까지
운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.
보유기술 보기