Knowledge Graphs as Files: An Agent Harness Where Tool Creation and Tool Use Co-Evolve

이 논문은 미리 정해진 그래프 도구 대신 에이전트가 전체 노드와 엣지 파일 위에 직접 코드를 쓰고 고쳐 가며 지식 그래프를 검색하게 만드는 문제를 풀었다.

이 논문은 한마디로 지식 그래프를 파일로 열어 주고 에이전트가 스스로 검색 도구를 만들고 고쳐 쓰게 하는 하네스다. 연구진은 이 방식을 DKGI라고 불렀고 학습 없이도 기존 최강 기준보다 모든 그래프에서 최소 6.7 Hit@1 앞섰다고 보였다. 통제 실험에서 여러 턴에 걸쳐 파이썬 코드를 쓰고 고치는 것이 성적 향상의 핵심이었다.

핵심 요약

• 연구진은 지식 그래프의 노드와 엣지를 통째로 파일로 내보내고, 에이전트가 파이썬 코드로 관계를 따라가며 증거를 모으는 DKGI 하네스를 만들었다.
• 학습 없이 쓴 DKGI는 STaRK 시험에서 지금까지 발표된 최강 기준보다 모든 그래프에서 최소 6.7 Hit@1 점수를 앞섰다.
• 셸 명령만 쓸 때보다 파이썬을 여러 턴에 걸쳐 쓸 때 전체 Hit@1이 6.9점 올라갔다.
• 에이전트는 질문마다 평균 4.0개의 프로그램을 썼고 이전 결과를 재사용해 코드를 고쳐 나갔다.
• 한계로 평가는 STaRK의 세 지식 그래프로만 했고 더 큰 그래프에서의 확장은 남은 과제다.

논문 링크

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