HeraldLight는 대규모 언어 모델(LLM)을 활용하여 교통 신호 제어(TSC)의 효율성과 해석 가능성을 향상시키는 것을 목표로 한다. 고정된 신호 시간과 환각 오류의 한계를 극복하고, 신호 타이밍 결정의 견고성과 일반화를 개선하기 위해, Herald 가이드 프롬프트를 활용하는 이중 LLM 아키텍처를 제안한다. Herald 모듈은 실시간 조건을 기반으로 각 교통 단계에 대한 컨텍스트 정보 추출 및 대기열 길이 예측을 수행한다. LLM-Agent는 이러한 예측을 사용하여 미세 조정된 교통 신호 제어를 수행하고, LLM-Critic은 LLM-Agent의 출력을 개선하여 오류와 환각을 수정한다. 이러한 개선된 출력은 점수 기반 미세 조정을 통해 정확도와 견고성을 향상시키는 데 사용된다. 실제 데이터 세트를 기반으로 CityFlow 시뮬레이션을 수행한 결과, HeraldLight는 최첨단 기준선을 능가하며, 평균 이동 시간 20.03% 감소 및 평균 대기열 길이 10.74% 감소를 달성했다.
