AnnaAgent: Dynamic Evolution Agent System with Multi-Session Memory for Realistic Seeker Simulation
Created by
Haebom
저자
Ming Wang, Peidong Wang, Lin Wu, Xiaocui Yang, Daling Wang, Shi Feng, Yuxin Chen, Bixuan Wang, Yifei Zhang
개요
본 논문은 AI 기반 정신 건강 연구에서 실제 상담자를 대상으로 하는 데 드는 비용과 윤리적 문제점을 해결하기 위해, LLM 기반의 대화형 에이전트(CA)를 제안합니다. 기존의 LLM 기반 상담자 시뮬레이터는 정신 상태의 동적 변화와 다중 세션에 걸친 기억 유지를 제대로 반영하지 못하는 한계가 있었습니다. 이를 해결하기 위해, 본 논문에서는 감정 조절기와 증상 유도기를 갖춘, 3차 기억 메커니즘을 활용하는 AnnaAgent를 제시합니다. AnnaAgent는 실제 상담 대화 데이터를 기반으로 훈련되어 상담자의 정신 상태를 동적으로 변화시키고, 단기 및 장기 기억을 효과적으로 통합하여 다중 세션에 걸친 상담을 시뮬레이션합니다. 자동 및 수동 평가 결과, AnnaAgent는 기존 방법보다 더 현실적인 상담자 시뮬레이션을 달성함을 보여줍니다. 코드는 윤리적 검토 및 검증을 거쳐 깃허브에 공개되었습니다.
시사점, 한계점
•
시사점:
◦
LLM 기반 정신 건강 상담 연구의 윤리적 및 경제적 문제 해결에 기여.
◦
실제 상담 상황을 보다 현실적으로 시뮬레이션 가능한 새로운 에이전트 시스템 제시.
◦
3차 기억 메커니즘을 통한 다중 세션 기억 관리의 효과성 입증.
◦
공개된 코드를 통해 다른 연구자들의 재현 및 발전 가능.
•
한계점:
◦
AnnaAgent의 현실성은 여전히 제한적일 수 있으며, 실제 상담자의 복잡성을 완벽하게 반영하지 못할 수 있음.
