인지 모델 및 AI 알고리즘이 언어 에이전트 설계의 틀을 제공한다

Cognitive Models and AI Algorithms Provide Templates for Designing Language Agents

최근의 대규모 언어 모델(LLM)은 단독으로 작동할 때 점점 더 강력해지고 있지만, 여전히 단일 LLM의 능력으로는 해결하기 어려운 많은 문제가 존재합니다. 이러한 작업들을 위해 여러 LLM을 구성 요소로 활용하여 통합하는 최적의 방법은 아직 불확실합니다. 본 논문은 이러한 모듈식 언어 에이전트 설계의 잠재적인 청사진은 기존의 인지 모델 및 인공지능(AI) 알고리즘 관련 문헌에서 찾을 수 있다고 주장합니다. 이 주장을 명확히 하기 위해, 개별 LLM의 역할과 기능이 어떻게 결합되어야 하는지를 명시하는 에이전트 템플릿의 개념을 공식화합니다. 그런 다음, 기존 문헌에 제시된 다양한 언어 에이전트를 조사하고, 인지 모델 또는 AI 알고리즘에서 직접 파생된 이러한 에이전트의 기반 템플릿을 강조합니다. 이러한 설계 사례를 제시함으로써, 인지 과학 및 AI에서 영감을 받은 에이전트 템플릿이 효과적이고 해석 가능한 언어 에이전트를 개발하는 데 강력한 도구가 될 수 있음을 강조하고자 합니다.

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.