본 연구는 대규모 언어 모델(LLM)이 다양한 관점을 통합하여 다른 에이전트의 요구 사항을 이해하는 능력을 향상시킬 수 있는지 평가한다. 특히, ReAct 프레임워크를 활용하여 추론과 행동을 통합하고, 능동적인 시각적 탐색을 통해 복잡한 시나리오에서 참조 모호성을 해결하는 능력을 테스트한다. 실험 결과는 명시적인 관점 단서와 능동적 탐색 전략의 결합이 모델의 해석 정확도와 협업 효과를 크게 향상시킬 수 있음을 보여준다.
시사점, 한계점
•
시사점:
◦
ReAct 프레임워크와 능동적인 시각적 탐색을 통해 LLM의 관점 이해 능력 향상 가능성을 제시.
