상세 설명

대형 언어 모델(LLM)을 활용한 에이전트 기반 워크플로우는 복잡한 문제 해결 과정에서 계획 수립, 도구 활용, 증거 및 컨텍스트 관리 등 다양한 기능을 통합적으로 수행할 수 있도록 설계됩니다. 본 연구실에서는 에이전트가 언제, 어떻게 탐색하고 계획을 세우며, 적절한 도구를 호출할지에 대한 학습 방법을 연구합니다. 이를 통해 에이전트가 주어진 문제에 대해 다단계로 스스로 작업을 분할하고, 각 단계에서 필요한 정보를 능동적으로 수집·활용할 수 있도록 합니다. 특히, 증거와 컨텍스트 관리 기술은 에이전트가 방대한 정보 속에서 핵심적인 데이터를 선별하고, 이를 바탕으로 신뢰성 있는 결과를 도출하는 데 필수적입니다. 본 연구실은 정보의 검색, 필터링, 우선순위 결정 등 에이전트 주도의 정보 관리 방식을 개발하고, 이를 반복적·재귀적으로 적용하여 워크플로우의 효율성과 정확성을 높이고 있습니다. 이러한 과정은 복잡한 질의 응답, 멀티모달 데이터 처리, 실시간 의사결정 등 다양한 응용 분야에서 활용됩니다. 에이전트 기반 LLM 워크플로우 연구는 인공지능이 단순한 명령 수행을 넘어, 복잡한 문제를 체계적으로 분석하고 해결하는 능력을 갖추게 하는 데 중점을 둡니다. 미래에는 인간과의 상호작용, 협업, 자율적 문제 해결 등 다양한 영역에서 이 기술의 중요성이 더욱 커질 것으로 예상되며, 본 연구실은 관련 핵심 기술의 선도적 개발을 목표로 하고 있습니다.

키워드

관련 이미지

관련 자료