Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
TIDE는 사용자 요청 없이도 컨텍스트 내 숨겨진 다중 문제를 선제적으로 발견하는 반복적 프레임워크입니다. 사고 템플릿과 반복적 발견 메커니즘을 통해 문제 커버리지를 확장하고 구체적인 해결책을 제시합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기에이전트(Agents)는 문서, 도구 및 코드에 대한 보조 도구로서 널리 배포되고 있습니다. 그러나 에이전트는 일반적으로 명시적인 사용자 요청에 따라서만 동작하며, 이는 사용자가 인지한 문제만을 드러냅니다. 반면, 더 넓은 사용자 컨텍스트(context) 내에는 다른 많은 중요한 문제들이 눈에 띄지 않게 공존하고 있으며, 그 전체 숫자는 사전에 알 수 없습니다. 우리는 이를 컨텍스트로부터 다중의 숨겨진 문제를 발견하는 작업으로 정의하며, 이 작업에서는 공존하는 문제들이 드러나야 하고, 뒷받침되는 근거에 기반해야 하며, 구체적인 행동과 결합되어야 합니다. 이를 위해 우리는 두 가지 상호 보완적인 메커니즘을 가진 템플릿 가이드 반복 프레임워크(template-guided iterative framework)인 TIDE를 소개합니다. 구체적으로, 단일 패스 예측(single-pass prediction)이 가장 두드러진 사례에만 고착되어 일반적인 주장만을 생성한다는 관찰에 착안하여, 우리는 반복적 발견(iterative discovery)을 제안합니다. 이는 이미 발견된 내용에 따라 조건을 부여함으로써 라운드당 소량의 후보군을 드러내어, 후속 라운드가 커버리지(coverage)를 확장하도록 합니다. 또한, 이전에 해결된 사례에서 추출된 재사용 가능한 스키마(schemas)인 사고 템플릿(thought templates)을 제안합니다. 이는 어떤 컨텍스트 신호에 주의를 기울여야 하는지, 그리고 그것들을 어떻게 연결해야 하는지를 명시하여 각 예측을 인식 가능한 문제 클래스(problem class)에 고착시킵니다. 우리는 개인 작업 공간(personal workspaces)과 소프트웨어 저장소(software repositories)라는 두 가지 실제적인 설정에서 네 가지 모델 백본(model backbones)을 통해 TIDE를 검증하였으며, 작업 커버리지, 식별 및 해결 측면에서 싱글샷(single-shot) 및 병렬 멀티 에이전트(parallel multi-agent) 베이스라인 대비 상당한 이점을 보여주었습니다.