본 논문은 강화 학습(RL)에서 대규모 언어 모델(LLM) 기반으로, 그리고 현재 RL과 LLM의 시너지 효과를 활용하는 방향으로 발전하는 AI 에이전트의 패러다임 전환을 다룹니다. 복잡한 실제 세계의 과제를 수행하기 위해서는 계획 및 실행, 신뢰할 수 있는 메모리 유지, 그리고 다른 에이전트와의 원활한 협업이 필요하며, 이를 위해서는 복잡한 정보, 연산 및 상호 작용을 처리해야 합니다. 이러한 과제에 대한 해결책으로 데이터 구조화, 특히 복잡한 데이터 관계를 구성, 관리, 활용하는 데 장점이 있는 그래프를 이용한 데이터 구조화가 유망한 역할을 할 수 있습니다. 본 논문은 그래프가 AI 에이전트를 어떻게 강화하는지에 대한 최초의 체계적인 검토를 제공하며, 그래프 기술과 핵심 에이전트 기능의 통합, 주목할 만한 응용 사례, 그리고 미래 연구의 유망한 방향을 탐구합니다.
