RAG를 활용한 Autonomous Agent 제작 LLM을 최적으로 활용하는 최신 AI 기술에 대해 연구하고 인간의 뇌에 대한 인지 구조를 모방해서 구현하고 제작 된 Autonomous Agents를 활용한 Product를 개발하는 LAB 입니다. - 목 표 - 1. 자율적인 에이전트 개발 (Autonomous Agents) 2. 다중 에이전트 시스템(MAS)을 구현하고 연구하며, AI 작업 프로세스를 개발하고 유지관리 3. 기존 자율 에이전트의 메모리 스트림을 개선하여, 적은 리소스로도 추상적이고 인간적인 표현이 가능한 LLM을 구현하는 것을 목표

이번 세미나 발표를 위해 정리된 내용은 복잡한 AI 기술을 활용하여 자동화된 에이전트를 개발하는 과정을 다룹니다. 특히, RAG(병렬 자가회귀 생성자를 활용한 검색) 기술과 랭체인의 BabyAGI 및 AutoGPT를 중심으로 한 자동화된 에이전트 개발에 초점을 맞추며, 이를 통해 문서요약, 질의응답, 감정분석과 같은 고도화된 기능을 구현합니다. 아래는 연구 및 구현 과정의 세부 단계입니다. 1. 연구 및 개발 배경 - 랭체인의 BabyAGI 및 AutoGPT 기술을 중심으로 한 자동화된 에이전트의 개념과 메커니즘 학습 - RAG 및 관련 AI 기술의 리뷰를 통해 최신 기술 동향 파악 2. 연구 및 구현 과정 2.1. 문서요약, 질의응답, 감성분석 연구 - 데이터 수집: 다양한 도메인에서 텍스트 데이터를 수집하여 연구의 기반 자료로 활용 - 모델 학습: 수집된 데이터를 사용하여 RAG 모델을 문서요약, 질의응답, 감정분석 목적으로 학습 - 성능 평가 및 최적화: 학습된 모델의 성능을 평가하고 최적화 과정을 통해 개선 2.2. 대화 정보 속에서의 키워드 추출 - 대화 데이터 수집 및 분석: 대화 내용에서 중요한 정보를 파악할 수 있는 키워드 추출 알고리즘 개발 - 키워드 추출 알고리즘 적용: 개발된 알고리즘을 통해 실제 대화 데이터에 적용하고 결과 분석 2.3. 대화 이어 나가기 및 페르소나 부여 - 대화 알고리즘 개발: 대화의 흐름을 이해하고 자연스럽게 이어나갈 수 있는 알고리즘 개발 - 페르소나 설정(Role): Agent에 개별적인 페르소나를 부여하여 다양한 유형의 대화가 가능하도록 연구 2.4. 유저 or Agents 와의 대화 및 피드백을 통한 재학습 - 대화 인터페이스 개발: 사용자와의 대화가 가능한 인터페이스 구축 - 피드백 수집 및 재학습: 사용자 피드백을 수집하고 이를 바탕으로 시스템을 지속적으로 개선하는 메커니즘 설계 및 구현 3. 시각적 자료 준비 및 세미나 발표 - 학습한 내용과 연구 과정을 시각적으로 정리하여 세미나 발표 자료 준비 - 연구팀원 간 협업을 통해 각자의 학습 내용 및 연구 결과를 공유하며 발표 준비 RAG 및 최신 AI 기술을 활용하여 문서요약, 질의응답, 감정분석 기능을 갖춘 자동화 된 Agent를 개발 + 주차 별 계획 + 1주차: RAG 개념 및 구축/평가 방법 학습 2주차: 에이전트 개발 방법론 학습 3주차: 다중 에이전트 시스템 'BabyAGI' 테스트 및 코드 분석 4주차: Paper Chatdev를 기반으로 커스텀 에이전트 개발 5주차: LLM Agents Framework 요소의 구조 설계 6주차: LangChain을 이용한 에이전트 애플리케이션 개발 7주차: HuggingFace, OpenAI 등 주요 LLM 모델의 성능 비교 8주차: AgentBench, GentBench 등을 통한 에이전트 평가 9주차: MVP 개발 및 업무 배분 계획 10주차: 이전 단계에서 개발한 코드를 활용한 웹/앱 구현 11-16주차: 개발 계획 상세화 및 개발 진행 + 개발 계획 요약 + - 각 단계의 모듈 구조와 파이프라인을 설계 - 데이터 수집 및 DB 구축, 쿼리 구성, 인덱싱 방법 개발 - 데이터 검색, 순위 매기기 및 재순위 매기기, 결과 생성을 위한 루프 구현 - 시스템 모니터링 및 로깅을 통한 개선 방향 도출 - 사용자 인터페이스(UI/UX) 개발 및 사용자 피드백을 통한 지속적인 성능 향상 + 운영 계획 + 1. 저희 팀은 매주 1회 수요일 저녁 온라인(구글밋 등)으로 정기 회의를 가지려고 합니다. 2. 주차 별 학습을 진행하고 각자 주간 동안 진행한 일에 대한 세미나를 10~15분 진행하고 통합하여 다음 주차를 진행하려고 합니다. 3. 월 1회 오프라인 미팅을 가져 볼 계획이고, 저희 연구는 우선 4개월을 목표로 하고 추후 시즌별 추가적으로 연구를 더 해보려고 합니다. 4. Notion으로 진행 상황을 공유하며 협업하고, GitHub과 Docker를 적극 활용하려고 합니다.

일정이 바쁘신 분들은 한번 더 고민해 보시면 좋을 것 같습니다! 연구 참여 조건은 프로젝트의 성공적인 진행과 목표 달성을 위해 중요합니다. 이 조건들은 연구원의 자격, 기대되는 역할 및 책임, 그리고 참여로 인해 얻을 수 있는 혜택을 명확히 합니다. 아래는 본 연구 프로젝트에 참여하기 위한 조건을 요약한 내용입니다. + 연구 참여 조건 + 1. 자격 요건 - 학습 열정: AI 기술, 특히 RAG, BabyAGI, AutoGPT에 대한 강한 학습 의지와 열정을 가진 개인 - 기술적 배경: 컴퓨터 과학, 데이터 과학, 인공지능, 또는 관련 분야의 배경을 가진 연구원. 프로그래밍 언어(예: Python)와 AI 모델링 경험 우대 - 팀워크: 협업을 중시하고 다양한 배경을 가진 팀원들과 함께 일할 수 있는 능력 - 문제 해결 능력: 복잡한 문제를 해결하기 위한 창의적인 접근 방식과 뛰어난 분석 능력 2. 기대되는 역할 및 책임 - 연구 기여: 연구 주제에 대한 지식 공유, 기술 개발 및 실험 참여 - 성과 공유: 연구 결과를 내부 세미나 및 관련 학술 대회에서 발표 - 팀 협력: 프로젝트 팀원들과 협력하여 연구 목표 달성 - 지속적 학습: 최신 연구 동향과 기술 발전을 지속적으로 학습하고 팀 내 공유 3. 혜택 및 지원 - 교육 및 멘토링: AI 및 관련 기술에 대한 전문 교육과 경험이 풍부한 멘토의 지원 - 연구 자료 접근: 최신 연구 자료 및 고성능 컴퓨팅 자원에 대한 접근 - 네트워킹 기회: 해당 분야의 전문가 및 연구원과의 네트워킹 기회 제공 - 경력 개발: 성공적인 프로젝트 수행을 통한 경력 개발 및 추후 연구 기회 4. 참여 절차 - 지원서 제출: 관심 있는 연구원은 자기소개서와 이력서를 제출하여 지원 - 면접 과정: 선별된 지원자는 개별적으로 면접을 진행 - 선발 및 오리엔테이션: 최종 선발된 연구원에게는 프로젝트 관련 상세 정보 및 일정이 제공됨 참여 의사가 있는 연구원은 본 연구의 목적, 방법론 및 기대 결과에 대한 충분한 이해를 바탕으로 지원해야 합니다. 본 연구는 참여 연구원에게 도전적이지만 보람찬 경험을 제공할 것입니다.

RAG 프로세스의 Step을 설명할 수 있나요?

LLM 성능 향상을 위한 EDA & 전처리를 해본 경험이 있나요?

Langchain을 활용해 본 경험이 있나요?

역량이 부족하다고 생각되는 팀원이 있다고 느끼시면 어떻게 하실 것 같나요?