AI2026년 6월 18일AI 점수: 95%
Decoupling Search from Reasoning: A Vendor-Agnostic Grounding Architecture for LLM Agents
출처:arXiv cs.AI
✨ AI 인사이트
🧑💻 개발자
- 1.DSG: 검색 그라운딩을 추론 모델 밖 MCP 호환 게이트웨이로 분리하는 벤더 무관 경계 제안
- 2.SimpleQA에서 네이티브 검색 대비 정확도 86.1% vs 87.7%로 근접, 검색 비용 91% 절감
- 3.웜캐시 적중률 99.4%, 지연시간 68% 감소로 응답 계약 준수
- 4.전자상거래 쿼리이해 워크로드에서 네이티브급 정확도를 98% 낮은 비용으로 달성
💡
왜 중요한가?
네이티브 검색이 검색정책·비용·지연·생성동작을 모델 경계 안에 묶어 검사·튜닝·이식이 어렵던 문제를, 검색을 최적화 가능한 인터페이스로 외부화해 출력 계약 준수와 대규모 비용 절감을 동시에 달성한다.
본문 미리보기
arXiv:2606.18947v1 Announce Type: new Abstract: Production LLM agents increasingly depend on real-time search, yet native search grounding bundles retrieval policy, provider choice, evidence injection, cost, latency, and generation behavior behind a single model-provider boundary. This coupling makes grounding hard to inspect, tune, reuse, or port, and can trigger Search-Induced Verbosity that breaks strict output contracts. We present Decoupled Search Grounding (DSG), a vendor-agnostic boundar
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
공유:
#LLM 에이전트#검색 그라운딩#RAG#아키텍처