복잡한 심부름도 척척...‘계층적 AI 에이전트’개발

대형언어모델(LLM)이 긴 절차의 임무 수행 시 겪는 논리적 오류와 환각 현상을 해결할 계층형 인공지능 기술이 공개됐다. 한국전자통신연구원(ETRI)은 복잡한 작업을 하위 목표로 세분화해 수행하는 리액트리(ReAcTree)를 개발하고 세계 최고 권위 학술대회인 AAMAS 2026에서 발표한다.



기존 LLM 방식은 모든 절차를 단일 흐름으로 처리해 단계가 길어질수록 환각 현상이 빈번했다. 리액트리는 기업 조직도와 유사한 계층적 에이전트 트리 구조를 도입해 상위 에이전트가 전체 목표를 관리하고 하위 에이전트에게 세부 임무를 나누어 맡기는 방식이다.

계층적 트리 구조와 이중 기억 체계로 추론 정확도 향상
기술 핵심은 작업을 논리적으로 분해하는 실행 능력이다. 감자 자르기나 가열 보관 등 여러 단계가 필요한 명령을 수신하면 이를 식칼 찾기, 자르기, 데우기 등으로 구체화해 순차 수행한다. 과거 성공 경험을 저장하는 일화 메모리와 실시간 환경 정보를 공유하는 작업 메모리를 결합해 판단력을 높였다. 물건 탐색 시에도 자율적으로 하위 목표를 생성해 도달 확률을 높인 것이 확인됐다.


소형 언어모델로 대형 모델 능가하는 고효율 실증
자체 개발한 벤치마크 LoTA-Bench와 가상 환경 데이터셋으로 검증한 결과 임무 성공률이 대폭 향상됐다. 720억 파라미터 모델을 사용한 기존 방식은 31%의 성공률에 그쳤으나 리액트리는 61%를 달성해 성능을 2배 높였다. 특히 70억 파라미터 규모 소형 모델에 적용했을 때도 37% 성공률을 기록해 기존 대형 모델의 성적을 상회하는 효율성을 입증했다.

ETRI 소셜로보틱스연구실은 복잡한 절차를 논리적으로 분해해 불확실한 환경에 유연하게 대응하는 기술력을 확보했다고 설명했다. 향후 환각 현상을 추가로 억제하고 에이전트가 사람에게 질문해 불확실성을 해소하는 기능을 더해 실생활 적용 수준으로 고도화할 방침이다. 과학기술정보통신부 지원으로 수행된 연구 결과는 로봇과 가상 에이전트의 안정적 임무 수행을 돕는 기반 기술로 활용될 전망이다. <출처=ETRI 보도자료>