AI 에이전트 연구
TRACE: Transition-Aware Residual Control for Multi-Objective Materials Discovery
ARarXiv
LLM 에이전트를 활용한 다중 목표 재료 탐색을 위한 전환 인식 잔여 제어 프레임워크 TRACE를 제시한다.
세 줄 요약
- 평가된 편집을 피드백의 기본 단위로 기록하며, 부모-편집-자식 전환과 관찰된 속성 델타를 추적한다. LLEMA 대비 매크로 평균 히트율이 18.13%에서 25.96%까지 향상되었다.
- 기존 에이전트는 어떤 편집이 유용한 속성 변화를 일으켰는지 알지 못해, 목표가 경쟁할 때 국소적 개선에 어려움이 있었다.
- TRACE는 각 국소적 개선을 부모-편집-자식 전환으로 기록하며, 평가된 편집 자체를 피드백의 기본 단위로 사용한다.
LLM 에이전트를 활용한 다중 목표 재료 탐색을 위한 전환 인식 잔여 제어 프레임워크 TRACE를 제시한다.