본 논문은 지식 그래프(KG) 기반 추론을 위해 플러그 앤 플레이 방식의 이중 에이전트 프레임워크인 R2-KG를 제안합니다. R2-KG는 증거 수집을 담당하는 연산자(저용량 LLM)와 최종 판단을 내리는 감독자(고용량 LLM)의 두 역할로 추론 과정을 분리하여, 고용량 LLM에 대한 의존성을 줄이고 비용 효율성을 높입니다. 또한, 충분한 증거가 수집되었을 때만 답변을 생성하는 기권 메커니즘을 통해 신뢰성을 크게 향상시킵니다. 다양한 KG 기반 추론 작업에 대한 실험 결과, R2-KG는 정확성과 신뢰성 면에서 기존 방법들을 능가하며, 연산자로 사용되는 LLM의 성능에 관계없이 일관된 성능을 보입니다. 단일 에이전트 버전의 R2-KG는 엄격한 자기 일관성 전략을 통해 신뢰성을 더욱 높이고 추론 비용을 줄이지만, 복잡한 KG에서는 기권율이 높아지는 한계점을 보입니다.
