기대효용을 최대화하는 구현 방안
- AI 에이전트 개발의 핵심은 계획 및 추론 엔진 개발이며, 레그(RAG)와 같은 세부 기술들이 엔진 구성 요소로 활용됨. ⚙️
- COT(Chain of Thought)는 단계별 사고 과정을 생성하여 문제를 해결하는 기법으로, 수학 문제 풀이처럼 단계별 공식 적용과 유사함. 🔗
- 레그(RAG)는 과거 데이터에 기반한 LRM의 한계를 보완, 최신 정보를 프롬프트에 추가하여 검색 증강을 수행함. ℹ️
- 리액트(ReAct)는 COT에 레그를 활용, 외부 도구(API)를 결합하여 검색어를 강화하고 관찰에 활용하는 방식임. 🛠️
- TOT(Tree of Thoughts)는 다양한 문제 해결 경로를 탐색, 최적의 기대 효용을 얻는 알고리즘으로, 공무원들의 토론 과정과 유사함. 🌳
- 그래프 오브 소트(Graph of Thoughts)는 경로 개념을 활용, 최적의 해결책을 탐색하는 알고리즘임. 📈
- COT, 리액트, TOT는 AI 에이전트 엔진의 기본 알고리즘으로, 레그는 이들 알고리즘에서 중요한 역할을 수행함. 💡