HypoAgent: 지식 그래프 상의 상호작용적 귀추적 가설 생성을 위한 에이전트 기반 프레임워크

지식 그래프 (Knowledge Graphs, KG) 상의 귀추적 추론 (Abductive reasoning)은 관찰된 엔티티 (Entities) 또는 사실을 설명하는 논리적 가설을 생성하는 것을 목표로 합니다. 기존의 제어 가능한 가설 생성 방법들은 사용자가 명시적인 조건으로 이 과정을 안내할 수 있게 해주지만, 상호작용적인 환경에서는 여전히 한계가 있습니다. 즉, 다회차 대화 (Multi-turn dialogues) 전반에 걸쳐 진화하는 자연어 의도 (Natural-language intents)를 접지 (Grounding)하는 데 어려움을 겪으며, 생성된 가설이 실패했을 때 세밀한 진단을 거의 제공하지 못합니다. 이러한 한계를 해결하기 위해, 우리는 지식 그래프 상의 상호작용적 귀추적 가설 생성 (Hypothesis Generation)을 위한 에이전트 기반 프레임워크인 HypoAgent를 제안합니다. HypoAgent는 세 가지 에이전트를 통합합니다: 사용자의 발화와 대화 이력을 실행 가능한 KG 조건으로 접지하는 의도 인식 에이전트 (Intent Recognition Agent), 추출된 사용자 의도에 따라 제어 가능한 가설 생성을 수행하는 가설 생성 에이전트 (Hypothesis Generation Agent), 그리고 신뢰할 수 없는 가설 파편을 진단하고 KG 이웃 탐색 (Neighborhood probing)을 활용하여 지원 가능한 개선 사항을 식별하는 근본 원인 분석 에이전트 (Root Cause Analysis Agent)입니다. 상식 및 생물 의학 도메인 특화 지식 그래프에 대한 실험을 통해, HypoAgent가 단회차 (Single-turn), 다회차 (Multi-turn), 그리고 무조건부 (Unconditional) 설정 모두에서 최첨단 (State-of-the-art) 수준의 의미적 유사도 (Semantic similarity)를 달성함을 입증했습니다. 우리의 코드는 https://github.com/HKUST-KnowComp/HypoAgent 에서 확인할 수 있습니다.