본 논문은 대규모 언어 모델(LLM)을 활용한 그래프 추론 작업의 정확성 문제를 해결하기 위해, GraphAgent-Reasoner라는 미세 조정이 필요 없는 프레임워크를 제안한다. 분산 그래프 계산 이론에서 영감을 얻어, 그래프 문제를 여러 에이전트 간의 노드 중심 작업으로 분해하는 다중 에이전트 협업 전략을 사용한다. 이를 통해 단일 LLM이 처리하는 정보량과 복잡성을 줄여 그래프 추론 정확도를 향상시킨다. GraphInstruct 데이터셋 평가 결과, 기존 모델 대비 우수한 성능을 보였으며, 웹페이지 중요도 분석과 같은 실제 응용 프로그램에도 적용 가능하다.
