LLM 시대의 계획 연구를 체계적으로 검토하며, 단일 샷 계획 생성에서 LLM-외부 검색 하이브리드, 그리고 최근의 심볼릭 솔버 생성 방향으로의 전환을 분석했다. 단일 샷과 하이브리드 방법은 건전성과 완전성 면에서 근본적 한계가 있으며, 솔버 생성 접근이 신뢰성과 효율성을 동시에 확보하는 유망한 방향으로 제시된다. 세 가지 주요 플래너 생성 방법 범주를 검토하고 향후 연구 방향을 제안한다.
- •LLM 기반 계획 연구의 발전 경로: 단일 샷 계획 생성 → LLM+외부 검색 하이브리드 → 심볼릭 솔버 생성으로의 전환 분석
- •단일 샷 및 하이브리드 방법이 건전성·완전성 면에서 본질적 한계를 가지며 미지 문제에서 자원 낙비
- •LLM으로 검증·효율적 추론 가능한 심볼릭 솔버를 생성하는 접근이 신뢰성과 효율성을 동시에 확보하는 방향
- •세 가지 플래너 생성 방법 범주의 현재 한계를 정리하고 더 신뢰·효율적인 LLM 기반 플래너 생성을 위한 연구 단계 제시
Planning in the LLM Era: Building for Reliability and Efficiency
- 1.LLM 시대 계획(Planning) 분야의 패러다임 전환: 단일 샷 생성→검증 가능한 심볼릭 솔버 생성 방향으로 이동
- 2.LLM의 단일 샷 플래닝은 본질적으로 불완전하고 리소스 낭비가 심해 신뢰성 있는 에이전트 구현에 한계
- 3.추론 시점에 심볼릭 솔버를 생성·검증하는 방식이 LLM 의존성을 낮추고 효율성을 높이는 유망한 방향
- 4.플래너 생성 방법론 3가지 범주를 분석하고 더 신뢰성 높은 LLM 기반 플래너 연구 방향을 제시
왜 중요한가?
지능형 에이전트의 핵심 역량인 계획 능력을 LLM으로 구현할 때의 근본적 한계와 해결 방향을 제시하여, 프로덕션 레벨 AI 에이전트 설계에 직접적인 시사점을 제공한다.
본문 미리보기
arXiv:2605.21902v1 Announce Type: new Abstract: Growing attention to intelligent agents has put a spotlight on one of their central capabilities: planning. Early attempts to leverage large language models (LLMs) for planning relied on single-shot plan generation, followed by hybrid approaches that coupled LLMs with limited external search. These methods, unsound and incomplete by their very nature, often require substantial resources without yielding better solutions on unseen problems. As the
전체 내용이 궁금하다면?
원문을 직접 읽어보세요