본 논문은 심리 상담 분야에서 확장성 있는 서비스 제공을 위한 대규모 언어 모델(LLM)의 미세 조정 필요성을 강조하며, 고품질 개인정보 보호 준수 데이터 부족 문제를 해결하기 위해 새로운 다중 에이전트 프레임워크인 MAGneT을 제시합니다. MAGneT은 심리 기술을 모델링하는 전문화된 LLM 에이전트가 각각의 하위 작업을 처리함으로써 상담사의 응답 생성을 분해하여 기존의 단일 에이전트 방식보다 실제 상담의 구조와 뉘앙스를 더 잘 포착합니다. 또한, 다양한 자동 및 전문가 평가 지표를 통합한 통합 평가 프레임워크를 제안하여 기존 평가 프로토콜의 불일치 문제를 해결하고, 전문가 평가 항목을 4개에서 9개로 확장하여 데이터 품질 평가의 정확성과 견고성을 높였습니다. 실험 결과, MAGneT은 생성된 상담 세션의 품질, 다양성 및 치료적 정합성 측면에서 기존 방법보다 뛰어난 성능을 보였으며, 인지 행동 치료 척도(CTRS) 기준 일반 상담 기술은 3.2%, CBT 특화 기술은 4.3% 향상되었습니다. 전문가들은 모든 측면에서 평균 77.2%의 비율로 MAGneT 생성 세션을 선호했습니다. MAGneT 생성 세션으로 오픈소스 모델을 미세 조정한 결과, 기존 방법으로 생성된 세션을 사용한 경우보다 일반 상담 기술은 6.3%, CBT 특화 기술은 7.3% 향상되었습니다. 코드와 데이터를 공개합니다.
