PABU: Progress-Aware Belief Update for Efficient LLM Agents

Created by

Haebom

저자

Haitao Jiang, Lin Ge, Hengrui Cai, Rui Song

💡 개요

본 논문은 LLM 에이전트가 전체 행동-관찰 기록에 의존하여 발생하는 불필요한 정보와 연산 비용 문제를 해결하고자 합니다. 이를 위해 본 논문에서는 작업 진행 상황을 명시적으로 모델링하고 과거 기록을 선택적으로 저장하는 'Progress-Aware Belief Update (PABU)' 프레임워크를 제안합니다. PABU는 각 단계에서 이전 라운드 대비 상대적인 작업 진행도를 예측하고, 새로운 상호작용 기록을 저장할지 여부를 결정하여 효율성을 높입니다.

🔑 시사점 및 한계

•

LLM 에이전트의 정보 처리 효율성을 크게 향상시켜 불필요한 행동과 높은 추론 비용을 줄일 수 있습니다.

•

AgentGym 벤치마크에서 기존 최고 성능 모델 대비 23.9% 높은 작업 완료율과 26.9% 감소된 평균 상호작용 단계를 달성하여 실질적인 성능 개선을 입증했습니다.

•

명시적인 작업 진행도 예측과 선택적 기록 보존이라는 두 가지 핵심 요소가 PABU의 성능 향상에 필수적임을 확인했습니다.

PDF 보기

Made with Slashpage