Large Language Models for Autonomous Agent Planning
IEEE TPAMISCI
IF 11.50인용 45
김민준, 박상혁, James Lee
LLM 기반 자율 에이전트의 계획 수립 능력을 연구하여, 기존 방법 대비 23% 향상된 성공률을 달성하였습니다.
AI 생성원문 보기
서울대학교 컴퓨터공학부
LLM 기반 자율 에이전트로의 연구 전환이 연구비 2배 증가를 견인
수집된 공개 데이터 기반으로 제공됩니다
ailab@snu.ac.kr / 02-880-1234
연구비 규모가 2022년 8억원에서 2024년 15억원으로 87.5% 증가하였습니다.
연구 주제가 전통적 ML 알고리즘에서 LLM 기반 자율 에이전트 시스템으로 전환되었습니다.
LLM 기반 자율 에이전트로의 연구 전환이 연구비 2배 증가를 견인
AI 연구실은 지난 5년간 전통적인 머신러닝 알고리즘 연구에서 대규모 언어 모델과 자율 에이전트 시스템 연구로 뚜렷한 전환을 보였습니다. 2021-2022년에는 메타학습, 지식 증류 등 모델 효율화에 집중하였으나, 2023년부터 LLM 기반 에이전트 계획 수립과 다중 에이전트 협력 학습으로 연구 방향을 전환하였습니다.
키워드 변화: 2021년 [지식증류, 엣지AI, 메타학습], 2022년 [메타학습, 베이지안최적화, 강화학습], 2023년 [지속학습, 강화학습, 시계열], 2024년 [강화학습, 연합학습, 주의메커니즘], 2025년 [LLM, 자율에이전트, 강화학습]