자율적 데이터 과학을 위한 지속 가능한 사례 기반 메모리 연구: 로컬 배포 가능한 소형 언어 모델(SLM)을 결합한 CBR 증강

요약

자율적 데이터 과학 에이전트의 세션 간 메모리 부족 문제를 해결하기 위해 CBR(사례 기반 추론)과 SLM을 결합한 연구를 제안합니다. Gemma 4 31B를 백본으로 사용하여 구조화된 사례 기록과 품질 필터링을 통해 에이전트의 추론 정확도와 안정성을 높였습니다.

핵심 포인트

• CBR 레이어를 통한 지속적인 세션 간 메모리 구현
• Gemma 4 31B를 활용한 로컬 배포형 SLM 에이전트 검증
• 코드 스냅샷과 메타데이터를 포함한 구조화된 사례 저장
• Kaggle 경진대회를 통한 높은 정확도 및 낮은 분산 입증
• 단순 복사가 아닌 개념적 가이드를 제공하는 재사용 메커니즘