AGENTiGraph: A Multi-Agent Knowledge Graph Framework for Interactive, Domain-Specific LLM Chatbots
Created by
Haebom
저자
Xinjie Zhao, Moritz Blum, Fan Gao, Yingjian Chen, Boming Yang, Luis Marquez-Carpintero, Monica Pina-Navarro, Yanran Fu, So Morikawa, Yusuke Iwasawa, Yutaka Matsuo, Chanjun Park, Irene Li
개요
AGENTiGraph는 자연어를 통해 지식 그래프를 조작하여 도메인 특정 데이터의 직관적인 상호 작용 및 관리를 가능하게 하는 사용자 친화적인 에이전트 기반 시스템입니다. 비기술 사용자에게 지식 베이스를 점진적으로 구축하고 개선하기 위한 완전한 시각적 솔루션을 제공하며, 특수 쿼리 언어 없이 다중 라운드 대화와 동적 업데이트를 허용합니다. 의도 분류, 작업 계획 및 자동 지식 통합을 포함한 AGENTiGraph의 유연한 설계는 다양한 작업 간의 원활한 추론을 보장합니다. 교육 시나리오에서 3,500개 쿼리 벤치마크로 평가한 결과, 강력한 제로샷 기준선을 능가하여 (분류 정확도 95.12%, 실행 성공률 90.45% 달성) 법률 및 의료 분야의 규정 준수가 중요하거나 다단계 쿼리에 대한 확장 가능성을 보여줍니다. 오픈소스 데모는 LLM과 구조화된 그래프를 연결하는 다중 턴 엔터프라이즈 지식 관리를 위한 강력한 새로운 패러다임을 제공합니다.
시사점, 한계점
•
시사점:
◦
자연어를 사용한 직관적인 지식 그래프 관리를 통해 비기술 사용자도 지식 베이스를 쉽게 구축하고 관리할 수 있음.
◦
다중 라운드 대화 및 동적 업데이트 지원으로 유연하고 효율적인 지식 관리 가능.
◦
법률, 의료 등 다양한 분야의 복잡한 쿼리 처리에 대한 확장 가능성 제시.
◦
LLM과 구조화된 그래프를 통합하는 새로운 패러다임 제시.
◦
높은 정확도와 실행 성공률을 보이는 성능 검증.
•
한계점:
◦
현재는 교육 시나리오를 기반으로 평가되었으므로, 다른 도메인에서의 성능은 추가적인 검증이 필요함.
