심볼릭 분리: 지식 그래프를 활용하여 신뢰할 수 있는 운영 데이터 분석에 심층 에이전트 접목하기

요약

본 논문은 LLM 기반 에이전트가 복잡한 운영 데이터 분석에서 신뢰성을 확보하기 어렵다는 문제를 지적합니다. 이를 해결하기 위해 '심볼릭 분리(symbolic separation)'를 제안하며, 깊은 추론을 하는 에이전트를 온톨로지 제약형 가상 지식 그래프에만 연결하여 데이터에 작용하게 합니다. 이 접근법은 엔드투엔드 성공률을 크게 높이고 비용 효율성을 개선합니다.

핵심 포인트

• LLM의 환각 문제 해결을 위해 심볼릭 분리 기법 도입
• 추론과 데이터 접근을 온톨로지 기반 가상 지식 그래프로 분리
• 성공률 43%에서 86%로 향상, 비용 절감 효과 입증