에이전트 KB: 다양한 분야의 경험을 활용한 에이전틱 문제 해결

언어 에이전트가 점점 더 복잡한 작업을 수행하면서, 효과적인 오류 수정과 도메인 간의 경험 재사용에 어려움을 겪고 있습니다. 우리는 이러한 문제를 해결하기 위해 새로운 Reason-Retrieve-Refine 파이프라인을 통해 복잡한 에이전트 문제 해결을 가능하게 하는 계층적 경험 프레임워크인 Agent KB를 소개합니다. Agent KB는 핵심적인 제약 조건을 해결하는데 초점을 맞추고 있으며, 전통적으로 각 에이전트가 서로의 경험에서 배우지 못하는 문제를 다룹니다. 고수준 전략과 상세한 실행 로그를 모두 포착함으로써, Agent KB는 공유 지식 기반을 생성하여 에이전트 간의 지식 이전을 가능하게 합니다.GAIA 벤치마크에서 평가된 결과에 따르면, Agent KB는 성공률을 최대 16.28 백분율 포인트 향상시킵니다. 가장 어려운 작업에서는 Claude-3의 성공률이 38.46%에서 57.69%로 개선되었으며, 중간 수준의 작업에서는 GPT-4의 성공률이 53.49%에서 73.26%로 향상되었습니다. SWE-bench 코드 수정 작업에서는 Agent KB가 Claude-3의 성공률을 41.33%에서 53.33%로 끌어올렸습니다.우리의 결과는 Agent KB가 과거 경험에서 배우고 성공적인 전략을 새로운 작업으로 일반화할 수 있는 모듈화되고 프레임워크 독립적인 인프라스트럭처를 제공함을 시사합니다.