Budget-Constrained Agentic Large Language Models: Intention-Based Planning for Costly Tool Use

Created by

Haebom

저자

Hanbing Liu, Chunhao Tian, Nan An, Ziyuan Wang, Pinyan Lu, Changyuan Yu, Qi Qi

💡 개요

본 논문은 제한된 예산 하에서 외부 도구를 활용하여 다단계 작업을 해결해야 하는 대규모 언어 모델(LLM) 기반 에이전트에 대한 문제를 다룹니다. 이를 위해 본 연구는 도구 사용을 예측하고, 비용을 위험 기반으로 평가하며, 온라인 의사결정을 안내하는 계층적 세계 모델을 활용하는 추론 시간 계획 프레임워크인 INTENT를 제안합니다. INTENT는 예산 제약을 엄격하게 준수하면서도 기존 방법론에 비해 작업 성공률을 크게 향상시키는 성과를 보였습니다.

🔑 시사점 및 한계

•

예산 제약 하에서 LLM 에이전트의 효율적인 도구 사용 계획 문제를 해결하기 위한 새로운 접근 방식(INTENT)을 제시했습니다.

•

제안된 방법론은 실질적인 예산 제약 하에서 작업 성공률을 크게 높였으며, 가격 변동 및 예산 변화에도 강건함을 입증했습니다.

•

INTENT 프레임워크의 복잡성이나 실제 적용 시 추가적인 최적화 및 확장성에 대한 고려가 필요할 수 있습니다.

PDF 보기

Made with Slashpage