본 논문은 대규모 언어 모델(LLM) 기반 에이전트가 실시간 상호작용을 요구하는 동시 작업에서 어려움을 겪는 문제를 해결하기 위해 이중 과정 이론(DPT)을 적용한 새로운 언어 에이전트 프레임워크인 DPT-Agent를 제안합니다. DPT-Agent는 빠른 의사결정을 위한 시스템 1(유한 상태 기계와 코드-정책 기반)과 인간의 의도를 추론하고 자율적 의사결정을 위한 시스템 2(마음 이론과 비동기적 반성 기반)를 통합합니다. 실험 결과, DPT-Agent는 기존 LLM 기반 프레임워크보다 실시간 동시 인간-AI 협업에서 상당한 성능 향상을 보였으며, LLM의 느린 사고와 추론을 실행 가능한 행동으로 효과적으로 전환하는 데 도움이 됨을 보여줍니다.
시사점, 한계점
•
시사점:
◦
실시간 동시 인간-AI 협업에서 이중 과정 이론(DPT)의 효용성을 실험적으로 검증했습니다.
◦
DPT-Agent는 실시간 동시 인간-AI 협업을 자율적으로 수행하는 최초의 언어 에이전트 프레임워크입니다.
◦
LLM의 느린 사고와 추론을 실행 가능한 행동으로 효과적으로 전환하는 방법을 제시합니다.
◦
유한 상태 기계(FSM)와 코드-정책, 마음 이론(ToM) 및 비동기적 반성을 효과적으로 통합하는 새로운 아키텍처를 제시합니다.
•
한계점:
◦
본 논문에서 제시된 실험 환경의 일반화 가능성에 대한 추가적인 연구가 필요합니다.
◦
다양한 유형의 인간 전략과 상황에 대한 DPT-Agent의 적응성에 대한 추가적인 연구가 필요합니다.
