프로젝트를 한 줄로 설명하세요.
최근 대규모 언어 모델(LLM)을 활용한 사이버보안 에이전트 연구가 활발히 진행되고 있으나, 높은 성능의 LLM을 모든 작업 단계에 사용하는 것은 많은 추론 비용을 요구한다. 반면 소형 언어 모델(SLM)은 비용 효율적이지만 복잡한 추론이나 장기간의 작업 수행 과정에서 실패할 가능성이 높다. 본 연구에서는 SLM을 기본 에이전트로 사용하고, 작업 수행 과정에서 발생하는 trajectory 상태를 기반으로 필요한 시점에만 상위 LLM으로 전환하는 동적 에스컬레이션 기법을 제안한다. 작업 진행도, 연속 실패, 반복 행동, 증거 획득 및 도구 실행 결과 등의 상태 정보를 이용하여 SLM의 작업 지속 여부를 판단하고, 이를 통해 불필요한 LLM 호출을 줄이면서 문제 해결 성능을 유지하는 것을 목표로 한다. 향후 사이버보안 에이전트 벤치마크를 이용하여 SLM 및 LLM 단독 수행과 정적 에스컬레이션 방법을 비교하고, 문제 해결 성능과 추론 비용 측면에서 제안 기법의 유효성을 검증할 예정이다.
프로젝트에 관한 자세한 내용이 궁금하시다면 이메일([dawit@islab.re.kr)로 문의해 주세요.