능동적 에이전트(Proactive Agents)가 언제 깨어나고 무엇을 고정할지 결정하기 위해 정말 LLM이 필요할까?

요약

능동적 에이전트의 효율성을 높이기 위해 LLM 대신 시공간 그래프 학습(TGL) 모델을 트리거로 사용하는 방식을 제안합니다. 텍스트 변환 과정 없이 구조화된 이벤트 스트림을 직접 처리하여 속도와 메모리 효율성을 극대화했습니다.

핵심 포인트

• LLM 대신 TGL 모델을 사용하여 트리거 확률과 라우팅 점수 산출
• 기존 LLM 기반 방식 대비 최대 83배 빠른 실행 속도 달성
• 220 MiB의 낮은 메모리 점유율로 온디바이스 배포 가능
• 구조화된 그래프 데이터를 직접 처리하여 불필요한 텍스트 렌더링 제거