LLM Agent

LLM이 생각하고, 도구를 쓰고, 행동하는 구조. ReAct, Reflexion, Voyager, CoALA.

← 논문리뷰 분야 목록

1. ReAct Paper review

   지금 LLM Agent들이 도는 루프가 나온 논문. Thought → Action → Observation 루프부터 LangChain create_agent까지 뜯어본다.

2. Reflexion Paper review

   실패를 반성문으로 남겨 다음 시도에 써먹는 에이전트. 가중치 업데이트 없는 ‘말로 하는 강화학습’으로 HumanEval 91%를 찍었다.

3. Toolformer Paper review

   사람 어노테이션 없이 LM이 스스로 도구 사용법을 배운다. ‘이 도구 호출이 다음 토큰 예측을 쉽게 하는가’라는 필터 하나로 학습 데이터를 만든 논문.

4. Generative Agents Paper review

   LLM 에이전트 25명을 가상 마을에 풀어놓으면 무슨 일이 벌어지는가. 행동의 정확도가 아니라, 기억-회상-반성-계획 구조가 경험에 근거한 믿을 만한 행동을 유지시키는지를 측정한 논문.

5. Voyager Paper review

   마인크래프트에서 스스로 과제를 정하고, 성공한 행동을 코드로 저장해 재사용하는 lifelong learning 에이전트. ReAct와 Reflexion은 여기서 나무 도구도 못 만들었다.

6. CoALA Paper review

   에이전트를 볼 때 세 가지만 물으면 된다. 무엇을 기억하는가, 무엇을 할 수 있는가, 어떻게 결정하는가. ReAct부터 Voyager까지를 이 세 질문으로 정리한 논문.

7. LLM Agent Survey Paper review

   Profile·Memory·Planning·Action, 에이전트를 4모듈로 나눈 서베이. CoALA가 이론이라면 이 서베이는 2023년까지의 에이전트 연구를 모아 정리한 논문이다.