GTool: 대규모 언어 모델을 활용한 그래프 강화 도구 계획

대규모 언어 모델(LLM)을 활용한 도구 계획은 사용자 요청을 완수하기 위해 필요한 도구를 선택하고 구성하며 준비하는 과정을 의미하며, 자연어 이해와 작업 실행 사이의 갭을 메우는 핵심 기술이다. 그러나 기존 연구들은 각 도구를 독립적인 구성 요소로 간주하여 도구 간 내재된 의존 관계를 효과적으로 활용하지 못함으로써 타당하지 않은 계획 결과를 초래한다. 특히 도구 간 의존 관계가 종종 불완전할 경우, LLM이 사용자 요청에 적합한 도구를 정확히 식별하는 것이 더욱 어려워진다. 이러한 문제를 해결하기 위해, 본 연구는 불완전한 의존 관계 하에서도 LLM의 도구 계획 능력을 향상시키는 최초의 접근법인 GTool을 제안한다. GTool은 사용자 요청에 특화된 도구 그래프를 구축하여 효율적인 도구 선택을 가능하게 하며, LLM이 이해할 수 있는 충분한 의존 정보를 제공하는 을 생성한다. 또한, 불완전한 의존 관계 상황에서 GTool의 신뢰도를 높이기 위해 누락된 의존 관계 예측 태스크를 도입한다. GTool은 LLM의 구조를 수정하지 않고도 다양한 LLM 백본과 원활하게 통합 가능하며, 광범위한 재학습 없이도 적용이 가능하다. 광범위한 실험 결과를 통해, GTool은 경량(7B) LLM 백본을 기반으로 하여 최첨단(SOTA) 기준 대비 29.6% 이상의 성능 향상을 달성함을 입증하였다.