Verbal Werewolf: Engage Users with Verbalized Agentic Werewolf Game Framework
Created by
Haebom
저자
Qihui Fan, Wenbo Li, Enfu Nan, Yixiao Chen, Lei Lu, Pu Zhao, Yanzhi Wang
개요
본 논문은 사회적 추론 게임, 특히 늑대인간 게임에서 인간과 AI 에이전트의 협업을 위한 지능형 프레임워크에 대한 필요성 증대에 주목합니다. 기존 연구에서 LLMs가 늑대인간 게임에서 인간을 능가하는 성능을 보였지만, 외부 모듈 의존으로 인한 지연 시간 문제와 학술적 영역에만 국한되는 한계점을 지적합니다. 따라서 본 논문에서는 최첨단 LLMs와 미세 조정된 TTS 모듈을 활용하여 실시간에 가까운 속도로 게임 플레이를 가능하게 하는 새로운 늑대인간 게임 시스템인 "Verbal Werewolf"를 제안합니다. 외부 의사결정 모듈 없이 DeepSeek V3와 같은 LLMs의 향상된 추론 능력을 활용하여 기존 텍스트 기반 프레임워크보다 사용자 참여도를 크게 높이는, 더욱 몰입감 있고 인간적인 게임 경험을 제공하는 것을 목표로 합니다.
시사점, 한계점
•
시사점:
◦
외부 모듈 의존 없이 실시간에 가까운 속도로 LLMs를 활용한 사회적 추론 게임 시스템 구현 가능성 제시.
◦
LLMs의 향상된 추론 능력을 활용한 더욱 몰입감 있고 인간적인 게임 경험 제공.
◦
TTS 모듈을 통한 텍스트 출력의 음성화로 사용자 참여도 향상.
◦
사회적 추론 게임 분야에서 LLM 활용의 실제 적용 가능성을 보여줌.
•
한계점:
◦
DeepSeek V3 등 특정 LLM에 대한 의존성. 다른 LLMs의 성능 비교 및 일반화 가능성에 대한 추가 연구 필요.
