annotated2 [LangGraph] Tool/Tool binding 2025.04.03 - [Data & Research] - [Langchain & Langgraph] Table of Contents1. LangGraph의 Tool이제 LLM은 어려운 질문도 척척 대답해주는 수준에 이르렀습니다. 그럼에도 불구하고 이상하리만큼 쉬운 질문에 대한 답을 잘 못하는 경우들도 있었는데요. 대표적인 것이 구구단 같은 단순 연산입니다. LLM은 "확률적 언어 모델"입니다. 좀 더 단순하게 표현해보면 "이전 단어들이 주어졌을 때 다음에 나올 가능성이 가장 높은 토큰은 무엇인가?"를 학습하는 것이지요. 그 전에 자주 봐왔던 패턴을 기반으로 정보를 생성해내는 것은 잘하지만 "기호적 정확성"에는 영 젬병인 것 입니다. 그렇다고 무한한 수의 곱셈 예시를 train data에 넣어줄 수 있.. 2025. 11. 2. [LangGraph] Reducer 2025.04.03 - [Data & Research] - [Langchain & Langgraph] Table of ContentsLangGraph의 첫번째 포스팅에서 언급했던 내용을 다시 짚어볼 차례입니다. LangGraph의 StateGraph는 순수 함수들의 연결 그래프이고, Reducer는 “여러 노드가 같은 상태 필드를 수정할 때, 그 값들을 어떻게 병합(merge)할지 정의하는 규칙”입니다. 1. Reducer의 역할새 상태(new state)가 반환될 때, 이전 상태(previous state)와 새 상태(new state)를 받아 병합된 최종 상태를 반환하는 함수를 말합니다. 개념적으로 보면 아래와 같죠.merged_state[key] = reducer(previous_state[key.. 2025. 11. 1. 이전 1 다음 반응형