Role-Agent: 이중 역할 진화를 통한 LLM 에이전트의 부트스트래핑 (Bootstrapping)

요약

Role-Agent는 단일 LLM이 에이전트와 환경 역할을 동시에 수행하며 공동 진화하는 프레임워크입니다. WIA와 AIW 구성 요소를 통해 환경 인식 추론을 강화하고 실패 패턴을 분석하여 훈련 데이터를 재형성합니다. 실험 결과 기존 베이스라인 대비 평균 4% 이상의 성능 향상을 입증했습니다.

핵심 포인트

• 단일 LLM을 에이전트와 환경으로 동시 활용하는 부트스트래핑 프레임워크 제안
• WIA를 통한 미래 상태 예측 및 프로세스 보상 기반의 추론 능력 강화
• AIW를 통한 실패 모드 분석 및 타겟팅된 훈련 데이터 분포 재형성
• 다양한 벤치마크에서 기존 모델 대비 평균 4% 이상의 성능 향상 달성