본 논문은 대규모 언어 모델(LLM) 에이전트들이 공동 목표 달성을 위해 협력하는 능력을 연구하며, 특히 정보 비대칭 환경에서 에이전트들이 지식과 기술의 차이를 극복하고 협업하는 방안을 탐구한다. 고전적인 기호 퍼즐인 아인슈타인 퍼즐을 테이블탑 게임으로 확장하여 두 LLM 에이전트가 추론, 소통, 행동을 통해 퍼즐을 해결하도록 설계했다. Fine-tuning-plus-verifier 프레임워크를 적용하여 다양한 소통 전략과 환경 기반 검증 신호를 활용한 실험을 진행했다. 결과적으로 정렬된 소통의 중요성을 강조하고, 환경 기반 검증기를 통합함으로써 에이전트의 규칙 이해 능력과 안전하고 해석 가능한 협업을 향상시킬 수 있음을 보여준다.
시사점, 한계점
•
시사점:
◦
정보 비대칭 환경에서 LLM 에이전트의 협업 가능성을 탐구하고, 소통 전략의 중요성을 강조함.
◦
환경 기반 검증기의 통합을 통해 에이전트의 규칙 이해와 신뢰성을 높임.
◦
AI 시스템의 안전하고 해석 가능한 협업을 위한 프레임워크 제시.
•
한계점:
◦
특정 퍼즐 게임 환경에 국한된 실험으로, 일반화된 협업 능력 검증의 한계.
◦
실험에 사용된 LLM 에이전트의 구체적인 모델 및 튜닝 방식에 대한 정보 부족.
◦
본 연구 결과가 실제 다양한 협업 시나리오에 얼마나 적용될 수 있는지에 대한 추가 연구 필요.
