Atomic Task Graph: A Unified Framework for Agentic Planning and Execution

LLM 에이전트의 계획-실행을 DAG 기반 Atomic Task Graph로 통합해 의존성을 명시하고, 병렬 실행·국소 수리로 효율과 성공률을 동시에 끌어올린 프레임워크다.

기존 LLM 에이전트는 선형 텍스트 궤적으로 subtask 간 입출력 의존성을 암묵적으로만 표현해, 중간 결과 재사용이 어렵고 에러가 전파되는 문제가 있었다. ATG는 계획 단계에서 재귀적으로 태스크를 분해해 DAG 시퀀스를 구성하고, 실행 단계에서 의존성 기반 병렬 실행과 최소 필요 subgraph 수리를 수행한다. ALFWorld·WebShop·ScienceWorld 3개 벤치마크에서 7B-8B 백본만으로 GPT-3.5-Turbo ReAct를 능가했으며, 환각 행동 비율을 42.86%에서 12.14%로, 평균 실행 스텝을 최대 41.6% 줄였다.

핵심 요약

• 핵심 아이디어: 에이전트 태스크 해결을 atomic tool-use 노드와 입출력 의존성 edge로 구성된 DAG로 표현
• Interface-preserving recursive graph compilation: coarse 태스크를 atomic 단위까지 재귀 분해하면서 부모 노드의 입출력 인터페이스를 보존해 그래프 진화를 추적 가능
• Dependency-aware execution: 독립 브랜치를 병렬 실행해 평균 스텝을 ReAct 대비 ALFWorld 31.42→18.36, ScienceWorld 47.35→29.72로 단축
• Minimal necessary subgraph repair: 에러 발생 시 검증된 영역을 보존하고 영향받은 최소 subgraph만 수리 → Mistral-7B에서 수리 제거 시 ALFWorld 7.72점 하락
• Pre-execution thought experiment: 실행 전 경량 검증으로 위험 계획을 사전 감지(24.6%~27.4% 위험 계획 탐지, 74%+ 정밀도)
• 환각 행동 비율 12.14% (ReAct 42.86% 대비 71.7% 상대 감소), 3개 벤치마크 평균 성공률 25.51→56.10 (Mistral-7B 기준)

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.