Leveraging Dual Process Theory in Language Agent Framework for Real-time Simultaneous Human-AI Collaboration
Created by
- Haebom
Category
Empty
저자
Shao Zhang, Xihuai Wang, Wenhao Zhang, Chaoran Li, Junru Song, Tingyu Li, Lin Qiu, Xuezhi Cao, Xunliang Cai, Wen Yao, Weinan Zhang, Xinbing Wang, Ying Wen
개요
본 논문은 대규모 언어 모델(LLM) 기반 에이전트가 실시간 상호작용을 필요로 하는 동시 작업에서는 어려움을 겪는다는 점을 지적한다. 지연 문제와 변화하는 인간 전략을 추론하는 어려움으로 인해 명시적인 지시 없이 자율적인 결정을 내리는 데 어려움을 겪는다. 이를 해결하기 위해 이중 과정 이론(DPT)을 기반으로 한 새로운 언어 에이전트 프레임워크인 DPT-Agent를 제안한다. DPT-Agent는 빠른 의사결정을 위한 System 1(유한 상태 기계(FSM)와 코드-정책 사용)과 인간의 의도를 추론하고 추론 기반 자율적 결정을 내리는 System 2(마음 이론(ToM)과 비동기적 반성 통합)를 통합한다. 실험 결과, DPT-Agent는 기존 LLM 기반 프레임워크보다 실시간 동시 인간-AI 협업에서 상당한 성능 향상을 보여주었다. 본 논문에서 제안하는 DPT-Agent는 최초로 실시간 동시 인간-AI 협업을 자율적으로 성공적으로 수행하는 언어 에이전트 프레임워크이다.
시사점, 한계점
•
시사점:
◦
LLM 기반 에이전트의 실시간 동시 작업 수행 능력 향상에 대한 새로운 접근 방식 제시.
◦
이중 과정 이론(DPT)을 활용하여 LLM의 느린 사고와 추론을 실행 가능한 행동으로 전환하는 효과적인 방법 제시.
◦
실시간 동시 인간-AI 협업에서의 성능 향상을 실험적으로 검증.
◦
실제 구현 가능한 코드 공개(GitHub).
•
한계점:
◦
제안된 모델의 일반화 성능에 대한 추가적인 연구 필요.
◦
다양한 유형의 작업 및 인간 사용자에 대한 로버스트성 평가 필요.
◦
System 1과 System 2 간의 효율적인 상호 작용 및 정보 전달 메커니즘에 대한 추가적인 연구 필요.
◦
특정한 유형의 작업에 최적화된 모델일 가능성 존재.
