Reasoning: 논리의 전개

 

인지된 정보들은 추론의 단계를 거치며 고도의 전략으로 변모합니다. 우리는 에이전트가 복잡한 문제를 직면했을 때 이를 작은 단위의 태스크로 분해하고, 목적 지향적인 사고 과정을 통해 최적의 경로를 탐색하도록 설계합니다.

Large Language Models (LLM): 지능의 거대 지식 베이스

 

방대한 인류의 지식을 학습한 LLM은 에이전트에게 상식적 추론 능력과 고차원적인 문제 해결 프레임워크를 제공합니다.

 

• Core Tech: Chain-of-Thought (CoT), In-context Learning, Logical Decomposition.
• The Goal: 에이전트가 복잡한 미션을 논리적인 단계로 나누어 수행할 수 있는 '사고의 가이드라인'을 제시합니다.

MVision-Language Models (VLM): 시각과 논리의 결합

 

문자적 추론을 넘어, 현재 에이전트가 보고 있는 시각적 상황에 즉각적으로 대응하는 실시간 추론을 수행합니다.

 

• Core Tech: Visual Question Answering (VQA), Scene Reasoning
• The Goal: "이 물체를 치우면 어떤 일이 벌어질까?"와 같은 가설적 추론을 가능케 하여, 에이전트가 변화하는 환경에 유연하게 대처하도록 합니다.