AI 에이전트 연구
행동 모델링 기반 웹 에이전트의 토큰 효율성 개선 연구
Token Efficient Task Execution via Application Behavior Modeling for Web Agents
arXivAI 에이전트를 이용한 웹 자동화 작업은 성능은 뛰어나지만, 증가하는 토큰 처리 비용이 상용화의 큰 걸림돌로 작용합니다.
세 줄 요약
- 새로운 아키텍처인 OdoBot은 애플리케이션의 '행동 모델'을 구축해 웹 작업을 처리함으로써 효율성을 극대화했습니다.
- 실험 결과, OdoBot은 기존 최고 성능 에이전트 대비 토큰 사용량을 최대 80%까지 절감하며 높은 성공률을 입증했습니다.
- 다만, 이 방식은 사전에 성공적인 작업 시연 데이터를 분석하여 '행동 모델'을 구축해야만 적용 가능하다는 점을 확인하세요.
는 다양한 작업에서 높은 성능을 보이며 관련 인프라에 대한 투자가 증가하고 있으나, 처리되는 비용이 빠르게 상승하는 것이 상용화의 주요 걸림돌로 작용합니다. 본 연구는 웹 애플리케이션 작업을 자연어로 설명된 지침에 따라 자동 실행하는 새로운 웹 에이전트 아키텍처인 OdoBot을 제시합니다. OdoBot은 성공적인 작업 수행 시연 데이터를 분석하여 구축한 '행동 모델'을 활용함으로써, 기존의 웹 에이전트 대비 비용 효율성을 극대화했습니다.
Canvas Learning Management System (LMS)에서 진행된 45개 작업을 대상으로 한 실험 결과가 발표되었습니다. OdoBot은 두 가지 최신 경쟁 에이전트(Agent-E 및 WebVoyager)와 비교했을 때, 토큰 사용량을 각각 44%와 80% 절감하는 것으로 나타났습니다. 또한, 웹보야저보다 높은 작업 성공률을 달성하며 효율성과 성능 면에서 우수함을 입증했습니다.
용어 풀이
- AI 에이전트
- 목표를 받으면 스스로 계획을 세우고 도구를 써서 여러 단계의 작업을 해내는 AI.
- 토큰
- AI 모델이 글을 처리하는 단위. 단어보다 작은 조각이며 사용량과 요금을 셀 때 기준이 돼요.