DeepRefine: 강화학습 (RL)을 통한 에이전트 컴파일 지식 정제

요약

본 기술 기사는 대규모 언어 모델(LLM) 에이전트가 생성하는 외부 지식의 품질 문제를 다룹니다. 특히, 이 지식이 불완전성, 부정확성, 중복성 등의 결함으로 인해 검색 충실도와 다운스트림 태스크 성능을 저하시키는 문제를 지적합니다. 이를 해결하기 위해 'DeepRefine'이라는 일반적인 LLM 기반 추론 모델을 제안하여 에이전트가 컴파일한 지식을 정제하는 방법을 제시합니다.

핵심 포인트

• LLM 에이전트의 외부 지식은 불완전성, 부정확성, 중복성 등의 결함으로 인해 품질 문제가 발생한다.
• 지식 기반의 결함(누락된 증거, 낮은 신뢰도 주장 등)은 검색 충실도와 다운스트림 태스크 성능을 저하시킨다.
• DeepRefine은 에이전트가 컴파일한 지식을 정제하기 위해 제안된 일반적인 LLM 기반 추론 모델이다.