API 호출 에이전트를 위한 환경 독립형 합성 데이터 생성 기술

API를 호출하는 LLM 에이전트를 학습시키려면 방대한 양의 고품질 궤적(trajectory) 데이터가 필요하다. 하지만 이를 위해 실제 실행 가능한 API와 데이터베이스가 구축된 환경을 만드는 것은 확장성 측면에서 큰 병목 현상을 초래한다.

이를 해결하기 위해 본 연구는 LLM을 실시간 디지털 월드 모델로 활용하는 환경 독립형(Environment-free) 합성 데이터 생성 방식을 제안한다. 이 방식은 별도의 물리적 환경 구축 없이 오직 **API 명세(Specification)**만을 기반으로 작동한다.

이 방법론의 핵심은 다음과 같다:

• LLM 기반 시뮬레이션: LLM이 에이전트와 상호작용하는 상태 유지형(stateful) 환경 역할을 수행한다.
• 궤적 생성: 에이전트와 환경 간의 상호작용을 모방하여 학습에 필요한 데이터 궤적을 생성한다.
• 확장성 확보: 복잡한 백엔드 인프라 구축 없이도 대규모의 학습 데이터를 신속하게 확보할 수 있다.