Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Role-Playing LLM-Based Multi-Agent Support Framework for Detecting and Addressing Family Communication Bias

Created by
  • Haebom

저자

Rushia Harada, Yuken Kimura, Keito Inoshita

개요

본 논문은 가족 내 긍정적인 상호작용을 지원하기 위한 대규모 언어 모델(LLM) 기반의 다중 에이전트 대화 지원 프레임워크를 제시한다. 기존 지표로는 포착하기 어려운 미묘한 심리적 역학, 특히 '이상적인 부모 편향'으로 인한 자녀의 감정 표현 억압에 초점을 맞춘다. 일본어 부모-자녀 대화 말뭉치(30개 시나리오)를 구축하여, 이상적인 부모 편향 및 감정 억압을 주석으로 달았다. 이를 기반으로, 감정 억압을 감지하고, 부모의 발언 속 암묵적인 이상적인 부모 편향을 설명하고, 자녀의 나이 및 배경과 같은 문맥적 속성을 추론하는 역할극 LLM 기반의 시스템을 개발하였다. 전문가 에이전트들의 협업을 통해 공감적이고 실용적인 피드백을 생성하며, 실험 결과 감정 억압 범주 감지 및 공감적이고 실용적인 피드백 생성에서 상당한 정확도를 보였다. 피드백 통합 시뮬레이션 후속 대화에서 감정 표현 및 상호 이해 개선이 관찰되어 가족 상호 작용의 긍정적 변화를 지원할 가능성을 시사한다.

시사점, 한계점

시사점:
LLM을 활용하여 가족 내 미묘한 심리적 역학(이상적인 부모 편향, 감정 억압)을 분석하고 지원하는 새로운 프레임워크 제시.
감정 억압 감지 및 공감적 피드백 생성에 대한 실험적 검증을 통해 시스템의 효용성을 확인.
가족 내 긍정적 상호 작용 개선에 대한 잠재력 제시.
한계점:
현재는 일본어 말뭉치 기반으로 개발되어 언어적 일반화 가능성에 대한 추가 연구 필요.
시뮬레이션 기반 후속 대화 분석으로 실제 효과 검증을 위한 추가 연구 필요.
이상적인 부모 편향 및 감정 억압 감지 정확도 개선 필요.
다양한 가족 유형 및 문화적 배경에 대한 일반화 가능성 검토 필요.
👍