대규모 언어 모델(LLM) 기반 에이전트는 스마트 홈에서의 의도 해석을 위한 강력한 자연어 이해 기능을 제공하지만, 일반적으로 클라우드 배포가 필요하여 프라이버시, 지연(latency), 자원 사용에 대한 우려가 제기된다. sLLM은 온디바이스에서 실행할 수 있으나, 모호한 의도와 복잡한 기기 상호작용을 효과적으로 처리하는 데 필요한 구조화된 맥락적 지식이 부족하다. 이러한 한계를 해결하기 위해, 우리는 sLLM과 상식 기반 기기 지식 및 사용자별 맥락을 결합하고 이를 구조화된 온톨로지 기반 지식 그래프 내에 구성하는 온톨로지 보강형(onology-augmented) 온디바이스 의도 추론 프레임워크 CIDER를 제시한다. 구체적으로, 우리는 스마트 홈을 위한 온톨로지 구축 파이프라인을 개발하였으며, 이 파이프라인은 클라우드 기반 LLM을 활용하여 스마트 홈 기기에 대한 상식 지식을 추출하고 이를 조직화하고, 스마트 홈 서비스로부터 사용자별 맥락을 통합한다. 이렇게 생성된 온톨로지는 검색 증강(retrieval-augmented) 방식으로 sLLM의 의도 추론 과정을 보강하는 외부 지식 소스로서 기능하여, 자율적이고 오케스트레이션된 기기 운영을 위한 맥락 인지 추론을 가능하게 한다. SmartThings 기반 테스트베드에서의 평가에서 CIDER는 일반 시나리오에서 82.2%, 고도로 복잡한 가정 환경에서 76.6%의 성공률을 달성하였으며, 소형 온디바이스 sLLM을 사용함에도 불구하고 강력한 클라우드 기반 기준선 대비 최대 17.7 퍼센트포인트까지 성능이 우수하였다. 이러한 결과는 클라우드 기반 LLM으로부터 증류된 온톨로지에 의해 구동되어, 상징적 지식 표현의 해당 도메인 특화 효율성과 sLLM의 유연한 의미 처리 기능을 결합하는 것이 스마트 홈에서의 의도 이해를 위한 효과적인 접근임을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.