TL;DR

  • 장기 계획과 외부 도구 사용이 필요한 대형 언어 모델(LLM) 에이전트에서 절차 지식을 구조화하고 자기 진화시키는 Procedural Graph가 여러 데이터셋·과제 유형·LLM에 걸쳐 메모리 기반 기준선보다 일관된 성능 향상을 제공함.
  • 기존 에이전트는 누적 대화 이력에 기반한 제약 없는 생성을 통해 행동을 선택해 목표를 놓치거나 도구를 잘못된 순서로 호출하고 비생산적 행동을 반복하는 문제가 있음.
  • Procedural Graph는 지식 그래프의 (entity, relation, entity) 구조를 절차 지식용 (procedure, relation, procedure) 구조로 확장해 수행할 작업과 순서·조건을 표현함.
  • 각 결정 단계에서 활성 노드를 찾고 주변 부분 그래프를 단계별 상황 지침으로 변환해 다음 행동을 유도하되, 해결 모델의 행동을 직접 지정하지 않음.
  • LLM 개선기가 실패·성공 궤적을 대조해 그래프의 위상과 속성을 수정하고 검증 성능을 유지·향상하는 변경만 반영함으로써, 최소 골격에서 수작업 그래프와 같거나 더 나은 구조를 구축하고 결함 있는 전문가 사전 지식도 복구함.

논문 정보

  • 분야는 컴퓨터 과학 > 인공지능임.
  • 논문 식별자는 arXiv:2609.09153 (cs)임.
  • 제출일은 2026년 9월 8일임.
  • 제목은 *Procedural Graphs: Self-Evolving Execution Structures for LLM Agents*임.
  • Yuxing Lu, Yicheng Chen, Shanchan Wu, Sercan Ö. Arık가 저자임.

초록

  • 대형 언어 모델(LLM)은 장기 시간 범위에 걸쳐 계획을 세우고 외부 도구를 통해 행동하는 에이전트로 점점 더 많이 배치됨.
  • 대부분의 에이전트는 누적되는 이력에 대한 제약 없는 생성을 통해 행동을 선택하므로, 무엇을 어떤 순서로 어떤 조건에서 수행해야 하는지에 관한 절차 지식이 암묵적으로 남음.
  • 궤적이 길어질수록 에이전트가 목표를 놓치거나 도구를 잘못된 순서로 호출하거나 생산적이지 않은 행동을 반복할 수 있음.
  • Procedural Graph는 사실 지식을 (entity, relation, entity) 삼중항으로 구성해 ‘무엇인가’에 관한 질문을 다루는 지식 그래프와 마찬가지로, 절차 지식을 (procedure, relation, procedure) 삼중항으로 구성해 ‘무엇을 해야 하는가’에 관한 질문을 다루는 구조임.
  • 각 결정 단계에서 프레임워크가 에이전트의 활성 노드를 찾고, 지침 모델이 주변 부분 그래프를 단계별 상황 지침으로 변환함.
  • 해당 지침은 다음 행동에 편향을 부여하지만 해결 모델의 행동을 직접 지시하지 않음.
  • 그래프는 자기 진화형(self-evolving) 구조임.
  • LLM 개선기가 실패한 궤적과 성공한 궤적을 대조해 그래프의 위상과 속성을 편집함.
  • 유보된 검증 성능을 유지하거나 향상하는 편집은 반영하고, 거부된 편집은 반복 행동을 억제하기 위해 보존함.
  • 최소 골격에서 시작한 반복 과정이 수작업으로 설계된 그래프와 일치하거나 이를 능가하는 그래프를 구축함.
  • 결함 있는 전문가 사전 지식도 복구할 수 있음.
  • 여러 데이터셋·과제 유형·LLM에 걸쳐 Procedural Graph가 메모리 기반 기준선보다 일관된 성능 향상을 제공하며, 자기 진화 과정이 수작업 엔지니어링 없이 성능을 추가로 높임.

분류 및 인용

  • 주제 분류는 인공지능(cs.AI), 계산 및 언어(cs.CL), 다중 에이전트 시스템(cs.MA)임.
  • 인용 표기는 arXiv:2609.09153 [cs.AI]임.
  • 이 버전의 인용 표기는 arXiv:2609.09153v1 [cs.AI]임.
  • DOI는 https://doi.org/10.48550/arXiv.2609.09153 임.
  • arXiv 발급 DOI는 DataCite 등록 대기 상태임.

제출 이력

  • 제출자는 Yuxing Lu임.
  • v1 제출 시각은 2026년 9월 8일 17:59:41 UTC이며 파일 크기는 4,896KB임.

전문 링크

  • 논문 전문 형식은 PDF, HTML(실험 버전), TeX Source임.
  • 라이선스 정보도 제공됨.