인지 모델과 AI 알고리즘이 언어 에이전트 설계를 위한 템플릿 제공

초록

현대의 대규모 언어 모델(LLM)은 단독으로 사용될 때 점차 높은 성능을 보여주고 있지만, 단일 LLM의 능력으로 해결하기 어려운 문제들이 여전히 많이 존재합니다. 이러한 과제를 위해 여러 LLM을 부분으로 삼아 더 큰 전체로 결합하는 최선의 방법에 대해서는 아직 불확실성이 있습니다. 본 입장 문서는 이러한 모듈형 언어 에이전트를 설계하기 위한 잠재적 청사진이 인지 모델 및 인공지능(AI) 알고리즘에 관한 기존 문헌에서 발견될 수 있음을 주장합니다. 이 점을 명확히 하기 위해, 우리는 개별 LLM의 역할과 그 기능이 어떻게 구성되어야 하는지를 규정하는 에이전트 템플릿 개념을 정형화합니다. 그런 다음 문헌에 소개된 다양한 기존 언어 에이전트를 검토하고, 인지 모델이나 AI 알고리즘에서 직접 도출된 이들의 근본적인 템플릿을 부각합니다. 이러한 설계를 강조함으로써, 우리는 인지 과학과 AI에서 영감을 받은 에이전트 템플릿이 효과적이고 해석 가능한 언어 에이전트를 개발하는 강력한 도구로서 주목받아야 함을 알리고자 합니다.

English

While contemporary large language models (LLMs) are increasingly capable in isolation, there are still many difficult problems that lie beyond the abilities of a single LLM. For such tasks, there is still uncertainty about how best to take many LLMs as parts and combine them into a greater whole. This position paper argues that potential blueprints for designing such modular language agents can be found in the existing literature on cognitive models and artificial intelligence (AI) algorithms. To make this point clear, we formalize the idea of an agent template that specifies roles for individual LLMs and how their functionalities should be composed. We then survey a variety of existing language agents in the literature and highlight their underlying templates derived directly from cognitive models or AI algorithms. By highlighting these designs, we aim to call attention to agent templates inspired by cognitive science and AI as a powerful tool for developing effective, interpretable language agents.

인지 모델과 AI 알고리즘이 언어 에이전트 설계를 위한 템플릿 제공

Cognitive Models and AI Algorithms Provide Templates for Designing Language Agents

초록

Support