대규모 언어 모델(LLM)이 일반적인 작업에서 뛰어난 성능을 보이지만, 특정 분야에서는 지식 격차로 인해 효과가 감소한다는 문제점을 지적합니다. 또한, 다단계 추론이 필요한 복잡한 문제 해결 시 성능이 저하되는 한계가 있습니다. 이러한 문제를 해결하기 위해, 인체 근골격계의 힘과 모멘트를 분석하는 생체역학 강의를 위한 교육 보조 도구를 개발하고자 합니다. 이를 위해 LLM과 AI 에이전트를 활용하는 이중 모듈 프레임워크를 구축했습니다. 첫째, RAG(Retrieval-Augmented Generation)를 적용하여 개념적 진위형 질문에 대한 LLM의 응답의 정확성과 논리적 일관성을 향상시켰습니다. 둘째, MAS(Multi-Agent System)를 구축하여 다단계 추론과 코드 실행이 필요한 계산 문제를 해결했습니다. Qwen-1.0-32B, Qwen-2.5-32B, Llama-70B와 같은 다양한 LLM의 성능을 100개의 진위형 개념 질문과 방정식 유도 및 계산이 필요한 문제로 구성된 생체역학 데이터 세트에서 평가했습니다. RAG는 개념 질문에 대한 LLM의 성능과 안정성을 유의미하게 향상시켰으며, MAS는 다단계 추론, 방정식 유도, 코드 실행, 설명 가능한 솔루션 생성을 성공적으로 수행했습니다.
