본 논문은 상인 비플레이어 캐릭터(NPC)의 수동성을 야기하는 두 가지 주요 문제점, 즉 가격 책정과 의사소통에 초점을 맞추고 있다. 기존 연구들이 활동적인 NPC와의 몰입형 상호작용에 집중한 반면, 상인 NPC와 플레이어 간의 가격 협상은 충분히 연구되지 않았다. 이에 저자들은 상인 NPC의 가격 책정과 의사소통의 수동성을 해결하기 위해, 대규모 언어 모델(LLM) 기반의 상인 프레임워크인 MART를 제안한다. MART는 감정가 모듈과 협상가 모듈로 구성되며, 다양한 게임 환경에서의 구현 방안을 탐색하기 위한 두 가지 실험을 진행했다. 실험 결과, 지도 학습 미세 조정(SFT) 및 지식 증류(KD)와 같은 미세 조정 방법이 소규모 LLM을 사용하여 활동적인 상인 NPC를 구현하는 데 효과적임을 보여준다. 또한, LLM 응답에서 발생하는 세 가지 특이 사례를 발견했다.
