본 논문은 대규모 언어 모델(LLM)의 등장이 에이전트 시스템에 미친 영향을 종합적으로 검토합니다. 기존의 규칙 기반 에이전트와 달리, LLM 기반 에이전트는 유연성, 도메인 간 추론 및 자연어 상호 작용이 향상되었습니다. 다중 모달 LLM의 통합으로 텍스트, 이미지, 오디오 및 구조화된 표 형식 데이터를 포함한 다양한 데이터 모달리티를 처리할 수 있게 되어 현실 세계에서 더욱 풍부하고 적응적인 행동이 가능해졌습니다. 소프트웨어 기반, 물리적 및 적응형 하이브리드 시스템으로 에이전트 시스템을 분류하고, 고객 서비스, 소프트웨어 개발, 제조 자동화, 개인화된 교육, 금융 거래 및 의료 분야의 응용 사례를 제시합니다. 또한 높은 추론 지연 시간, 출력 불확실성, 평가 지표 부족 및 보안 취약성과 같은 LLM 기반 에이전트의 주요 과제를 논의하고, 이러한 문제를 완화하기 위한 잠재적인 해결책을 제안합니다.
