본 논문은 대규모 언어 모델(LLM) 기반 에이전트의 한계점(구체적이고 구조화된 지식, 유연성, 책임 있는 의사결정 필요)을 해결하기 위해 사례기반추론(CBR)을 통합하는 방법을 탐구합니다. LLM 에이전트에 CBR을 통합하여 명시적인 지식을 활용하고 효율성을 높이는 방안을 제시하며, 이를 위한 이론적 토대, 핵심 구성 요소, 수학적 모델(사례 검색, 적응, 학습 과정)을 체계적으로 검토합니다. 또한, 사고연쇄 추론 및 표준 검색 증강 생성과 같은 다른 방법과 CBR 향상 에이전트를 비교 평가하고, 목표 지향적 자율 메커니즘을 통해 CBR의 인지적 차원(자기 반성, 내성, 호기심 포함)을 활용하여 LLM 에이전트의 기능을 더욱 향상시키는 방법을 탐구합니다. 결론적으로, 본 논문은 신경 기호 하이브리드 시스템 연구에 기여하며, 자율적인 LLM 에이전트의 추론 능력과 인지적 측면을 향상시키는 실행 가능한 기술로서 CBR을 제시합니다.
