바이두 연구진, 인공지능 검색 패러다임 제안: 다중 에이전트 체계로 스마트 정보 검색 혁신

바이두 연구원들이 제안한 AI 검색 패러다임: 더 똑똑한 정보 검색을 위한 다중 에이전트 프레임워크 현대 검색 시스템은 맥락 인식 및 적응형 정보 검색에 대한 요구가 증가하면서 빠르게 발전하고 있습니다. 사용자의 질의량과 복잡성이 증가함에 따라, 시스템은 더 이상 단순 키워드 매칭이나 문서 순위 결정에 그치지 않고 인간이 정보를 수집하고 처리하는 인지 행동을 모방하려는 목표를 세우고 있습니다. 이 변화는 지능형 시스템이 사용자에게 응답하는 방식에서 근본적인 전환을 의미합니다. 전통적 검색 시스템과 RAG 시스템의 한계 그럼에도 불구하고, 현재의 방법론들은 여전히 중요한 제약 사항을 가지고 있습니다. 검색 기반 생성(Retrieval-Augmented Generation, RAG) 시스템은 직접적인 질문 응답에 유용하지만, 종종 강성 파이프라인에서 작동합니다. 이 시스템들은 충돌하는 정보 원천, 맥락의 애매함, 또는 여러 단계의 추론을 필요로 하는 작업에 어려움을 겪습니다. 예를 들어, 한무제와 율리우스 카이사르 중 누가 나이가 많은지를 비교하는 질의는 다른 문서들로부터 정보를 이해, 계산, 비교해야 하는 작업을 요구하는데, 이는 단순한 검색과 생성을 넘어선 능력이 필요한 경우입니다. 적응형 계획과 강건한 추론 메커니즘의 부재는 이런 경우에 얕거나 불완전한 답변으로 이어지곤 합니다. 다중 에이전트 아키텍처의 등장 검색 성능을 향상시키기 위해 학습을 위한 순위 지정(Learning-to-Rank) 시스템과 대형 언어 모델(Large Language Models, LLMs)을 활용한 고급 검색 메커니즘이 도입되었습니다. 이러한 프레임ワーク들은 사용자 행동 데이터, 의미론적 이해, 그리고 휴리스틱 모델 등 다양한 특징을 통합합니다. 하지만 심지어 ReAct와 RQ-RAG 같은 고급 RAG 방법들도 주로 정적 논리를 따르므로, 효과적으로 계획을 재구성하거나 실행 실패에서 회복하는 능력이 제한됩니다. 이들의 일회성 문서 검색과 단일 에이전트 실행에 대한 의존성은 복잡하고 맥락에 따라 달라지는 작업을 처리하는 데 제약을 가합니다. 바이두의 AI 검색 패러다임 소개 바이두 연구원들은 이러한 정적이고 단일 에이전트 모델의 제약을 극복하기 위해 "AI 검색 패러다임"이라는 새로운 접근 방식을 제안했습니다. 이 패러다임은 마스터, 플래너, 실행자, 그리고 작성자로 구성된 4개의 핵심 에이전트를 포함한 다중 에이전트 프레임워크입니다. 각 에이전트는 검색 과정에서 특정 역할을 수행합니다. 마스터는 질의의 복잡성에 따라 전체 워크플로를 조정합니다. 플래너는 복잡한 작업을 하위 질의로 구조화합니다. 실행자는 도구 사용과 작업 완료를 관리하며, 작성자는 결과를 일관된 답변으로 종합합니다. 이러한 모듈식 아키텍처는 전통적인 시스템이 부족한 유연성과 정확한 작업 수행을 가능하게 합니다. 작업 계획을 위한 방향성 비순환 그래프(DAG) 사용 프레임워크는 복잡한 질의를 종속된 하위 작업으로 조직하기 위해 방향성 비순환 그래프(DAG)를 도입했습니다. 플래너는 MCP 서버에서 관련 도구를 선택하여 각 하위 작업을 해결합니다. 실행자는 이 도구들을 반복적으로 호출하며, 도구가 실패하거나 데이터가 부족할 때 질의를 조정하고 대체 전략을 적용합니다. 이 동적 재할당은 연속성과 완전성을 보장합니다. 작성자는 결과를 평가하여 일관성 없는 부분을 필터링하고 구조화된 답변을 작성합니다. 예를 들어, 한무제와 율리우스 카이사르 중 누가 더 오래 살았는지를 묻는 질의는 시스템이 여러 도구에서 출생년도를 검색하고 나이를 계산하여 결과를 제공하는, 조정된 다중 에이전트 프로세스를 통해 이루어집니다. 성능 평가 및 워크플로 구성 이 새로운 시스템의 성능은 여러 사례 연구와 비교적 워크플로를 통해 평가되었습니다. 전통적인 RAG 시스템이 일회성 검색 모드에서 작동하는 것과 달리, AI 검색 패러다임은 각 하위 작업을 동적으로 재계획하고 반성합니다. 시스템은 복잡성에 따라 Writer-Only, Executor-Inclusive, Planner-Enhanced 세 가지 팀 구성 방식을 지원합니다. 한무제와 율리우스 카이사르의 나이 비교 질의에서는 플래너가 작업을 3단계로 분해하고 도구를 할당했습니다. 최종 출력은 한무제가 69년, 율리우스 카이사르가 56년을 살았으며, 13년 차이가 있다는 것을 명확히 제시했습니다. 이 연구는 수치적 성능 지표보다는 질적 통찰에 더 초점을 맞추었지만, 사용자 만족도와 작업 강인성 측면에서 큰 개선을 보여주었습니다. 결론: 확장 가능한 다중 에이전트 검색 지능으로의 진전 결론적으로, 이 연구는 검색 시스템이 문서 검색을 넘어서 인간 스타일의 추론을 모방할 수 있는 모듈화되고 에이전트 기반의 프레임워크를 제시합니다. AI 검색 패러다임은 실시간 계획, 동적 실행, 그리고 일관된 종합을 통해 현존하는 제약을 해결하고, 지능형 에이전트 간의 구조적 협력을 바탕으로 확장 가능하고 신뢰할 수 있는 검색 솔루션을 제공합니다. 이 연구는 검색 시스템의 미래 방향을 제시하며, 다중 에이전트 체계가 더욱 복잡한 정보 검색 작업을 효율적으로 처리할 수 있는 가능성을 열어주고 있습니다. 업계 전문가들은 이 접근 방식이 검색 시스템의 발전에 중요한 전환점이 될 것으로 평가하고 있으며, 바이두는 AI 기술의 선두주자로서 지속적인 혁신을 이끌어나가고 있습니다.