Agent KB: Leveraging Cross-Domain Experience for Agentic Problem Solving
Created by
Haebom
저자
Xiangru Tang, Tianrui Qin, Tianhao Peng, Ziyang Zhou, Daniel Shao, Tingting Du, Xinming Wei, Peng Xia, Fang Wu, He Zhu, Ge Zhang, Jiaheng Liu, Xingyao Wang, Sirui Hong, Chenglin Wu, Hao Cheng, Chi Wang, Wangchunshu Zhou
개요
본 논문은 에이전트들이 점점 더 복잡한 작업을 처리함에 따라 효과적인 오류 수정과 도메인 간 경험 재사용에 어려움을 겪는다는 문제를 다룹니다. 이를 해결하기 위해 새로운 Reason-Retrieve-Refine 파이프라인을 통해 복잡한 에이전트 문제 해결을 가능하게 하는 계층적 경험 프레임워크인 Agent KB를 제안합니다. Agent KB는 기존 에이전트들이 서로의 경험으로부터 학습할 수 없다는 핵심적인 한계를 해결합니다. 고수준 전략과 상세한 실행 로그를 모두 포착하여 에이전트 간 지식 전달을 가능하게 하는 공유 지식 기반을 생성합니다. GAIA 벤치마크에서 평가한 결과, Agent KB는 성공률을 최대 16.28% 향상시켰습니다. 가장 어려운 작업에서 Claude-3은 38.46%에서 57.69%로, GPT-4는 중간 수준 작업에서 53.49%에서 73.26%로 향상되었습니다. SWE-bench 코드 복구 작업에서 Agent KB는 Claude-3의 성공률을 41.33%에서 53.33%로 향상시켰습니다. 결과적으로 Agent KB는 에이전트가 과거 경험으로부터 배우고 성공적인 전략을 새로운 작업에 일반화할 수 있도록 하는 모듈식이고 프레임워크에 종속되지 않는 인프라를 제공함을 시사합니다.
시사점, 한계점
•
시사점:
◦
에이전트 간 지식 전달을 가능하게 하는 공유 지식 기반을 구축하여 복잡한 문제 해결 능력 향상.
