グラフによる大規模言語モデルベースエージェントの知能拡張：サーベイ

大規模言語モデル（LLM）は顕著な性能を達成し、複雑なオープンワールド課題に取り組むLLMベースエージェントの開発を促してきた。こうした進展にもかかわらず、自律型エージェントは依然として、環境認識、多段階推論、長期的な運用の一貫性において重大なボトルネックに直面している。グラフは、実体、関係、依存性を明示的にモデル化することで、これらの課題に対する体系的な解決策を提供し、推論と相互作用のための厳密な基盤を確立する。近年の文献ではこの統合が検討されているものの、既存のサーベイは主として運用ワークフローとアーキテクチャに焦点を当てており、グラフがエージェントの知能を根本的にどのように向上させるかについての体系的な分析を欠いている。この隔たりを埋めるため、本サーベイではグラフ拡張型LLMベースエージェント（GLA）を包括的に概観する。エージェントのアーキテクチャを体系的に分解し、高度な知能に必要な5つの中核能力、すなわち認識、推論、記憶、汎化、相互作用を抽出する。さらに、グラフがこれらの能力の強化に特に適している理由と、実際にどのように統合されるかを明示的に論じ、既存研究をこの5つの次元に沿って整理する新たな分類体系を提案する。また、多様な分野におけるGLAの代表的な実世界応用を概観し、主要な課題と有望な今後の研究方向を示す。本サーベイで検討した文献と当該分野の最新成果を収録した精選リポジトリは、継続的に保守され、定期的に更新されている。

https://doi.org/10.20944/preprints202609.0138.v1