LLM 기반 다중 에이전트 강화학습을 활용한 이상탐지 기법

Abstract

본 논문은 다변량 시계열 이상탐지를 위해 대형 언어모델(LLM) 기반 다중 에이전트 강화학습 프레임워크를 제안한다. 각 에이전트는 개별적으로 이상을 탐지하며, 강화학습을 통해 에이전트 간 통신 구조를 효율적으로 최적화한다. 일부 에이전트는 LLM을 활용하여 수치적 이상뿐 아니라 의미적·맥락적 이상을 해석하며, 전체 시스템은 앙상블 융합과 불확실성 보정 기법을 통해 탐지 성능을 향상시킨다. NASA Mars Science Laboratory 데이터셋 실험 결과, 제안된 방법은 기존 개별 탐지 방식 대비 정밀도, 재현율 및 F1-score에서 유의미한 성능 향상을 보였다.

Dongwook Kwon

MS Student

His research interests include deep learning, anomaly detection algorithm, and computer vision.

Cheolsoo Park

Professor

His research interests include machine learning, adaptive signal processing, computational neuroscience, and wearable technology.