언어에서 행동으로: LLM 에이전트 및 도구 활용

인간 수준의 인공지능(AI)을 향한 노력은 자율 에이전트와 대규모 언어 모델(LLM)의 발전을 크게 촉진했습니다. LLM은 지시 해석, 순차적 작업 관리, 피드백을 통한 적응 능력 덕분에 의사결정 에이전트로 널리 활용되고 있습니다. 본 리뷰는 자율 에이전트 및 도구 사용자로서 LLM의 최신 개발 동향을 7가지 연구 질문을 중심으로 분석합니다. 2023년부터 2025년 사이에 A* 및 A 등급 학술대회와 Q1 저널에 게재된 논문만을 사용했습니다. LLM 에이전트의 아키텍처 설계 원칙을 단일 및 다중 에이전트 시스템으로 나누어 구조적으로 분석하고, 외부 도구 통합 전략을 제시합니다. 또한, 추론, 계획, 기억을 포함한 LLM의 인지 메커니즘과 프롬프트 방식 및 미세 조정 절차가 에이전트 성능에 미치는 영향을 조사했습니다. 현재 벤치마크 및 평가 프로토콜을 평가하고, 68개의 공개 데이터셋을 분석하여 다양한 작업에서 LLM 기반 에이전트의 성능을 측정했습니다. 이 리뷰를 통해 LLM의 검증 가능한 추론, 자기 개선 능력, LLM 기반 에이전트의 개인화에 대한 중요한 발견을 확인했습니다. 본 연구는 이러한 격차를 극복하기 위한 10가지 미래 연구 방향을 제시하며, 컴퓨터 과학 분야의 STEM 학생 및 연구자들이 LLM 에이전트 기술의 현재 상태와 잠재적 발전을 이해하는 데 중요한 통찰력을 제공합니다.