EICopilot: LLM 기반 에이전트로 대규모 지식 그래프 탐색의 새 지평을 열다

EICopilot은 LLM과 에이전트 기반 기술을 활용하여 대규모 지식 그래프에서 기업 정보를 효율적이고 정확하게 검색 및 탐색하는 혁신적인 시스템입니다. 데이터 전처리, Chain-of-Thought와 ICL 결합, 쿼리 마스킹 전략 등의 기술적 혁신을 통해 기존 방법보다 월등한 성능을 달성하였으며, 기업 분석 및 투자 의사결정 등 다양한 분야에 폭넓은 활용 가능성을 제시합니다.

LLM 기반 에이전트로 기업 정보 검색의 혁신을 이끌다: EICopilot

기업등록정보, 자본금, 주요 주주 등 방대한 온라인 지식 그래프에서 기업 정보를 검색하고 탐색하는 것은 늘 어려운 과제였습니다. 기존의 방법들은 텍스트 기반 질의와 수동적인 하위 그래프 탐색을 필요로 하여 시간이 많이 소요되는 단점이 있었습니다.

하지만 이제, 윤유희, 예휘룡 등 연구진이 개발한 EICopilot이 이러한 문제를 해결하는 혁신적인 해결책으로 등장했습니다. Baidu Enterprise Search를 통해 챗봇으로 구현된 EICopilot은 대규모 언어 모델(LLM) 을 활용하여 자연어 질의를 해석하고, Gremlin 스크립트를 자동 생성하여 복잡한 기업 관계를 효율적으로 요약합니다.

EICopilot의 핵심은 다음과 같습니다.

• 데이터 전처리 파이프라인: 대표적인 질의들을 벡터 데이터베이스에 수집 및 주석 처리하여 In-context Learning (ICL) 을 위한 기반을 마련합니다. 이는 마치 방대한 지식을 사전 학습한 모델이 특정 질문에 대해 더욱 정확하고 빠르게 답변할 수 있도록 돕는 역할을 합니다.
• 종합적인 추론 파이프라인: Chain-of-Thought와 ICL을 결합하여 지식 그래프 검색 및 탐색을 위한 Gremlin 스크립트 생성 능력을 향상시켰습니다. 이는 복잡한 추론 과정을 단계적으로 수행하여 더욱 정확한 결과를 도출하는 것을 의미합니다.
• 새로운 쿼리 마스킹 전략: 의도 인식을 향상시켜 스크립트 정확도를 높입니다. 이는 질문의 핵심 내용을 정확히 파악하여 불필요한 정보의 영향을 최소화하는 기술입니다.

실험 결과, EICopilot은 기존 방법들보다 속도와 정확도 면에서 뛰어난 성능을 보였습니다. 특히, Full Mask 변형은 구문 오류율을 10.00%까지, 실행 정확도를 최대 82.14%까지 향상시켰습니다. 이는 대규모 지식 그래프를 활용한 기업 정보 검색 및 탐색 분야에 획기적인 도약을 의미합니다.

EICopilot은 단순한 검색 도구를 넘어, 복잡한 기업 관계를 이해하고 요약하는 지능형 시스템으로, 기업 분석, 투자 의사결정 등 다양한 분야에 폭넓게 활용될 것으로 기대됩니다. 이는 AI가 기업 정보 분석의 패러다임을 바꿀 수 있음을 보여주는 중요한 사례입니다.