본 논문은 대규모 언어 모델(LLM)의 능력을 활용하여 인간-AI 협업 문제 해결을 개선하는 새로운 패러다임인 CoLa(Collaborative Learning with Automated Guides)를 제시합니다. CoLa는 인간이 AI 시스템을 안내하는 방식을 일반화하여 자동화된 안내자를 훈련하는 자기 지도 학습 방식입니다. 두 가지 질의응답 데이터셋, 퍼즐 풀이 과제, 제약 조건이 있는 텍스트 생성 과제에서 CoLa의 성능을 평가한 결과, 기존 방법들을 꾸준히 능가하는 것을 확인했습니다. 특히, 소규모로 훈련된 안내자조차도 GPT-4와 같은 강력한 모델보다 안내자 역할에서 더 나은 성능을 보였습니다. 또한, 질의응답 데이터셋을 사용한 인간 연구를 통해 인간과 자동화된 안내자의 전략을 비교 분석하고, 자동화된 안내자가 추론자의 능력에 맞춰 전략을 조정하는 능력이 뛰어나다는 것을 보였습니다. 질적 분석을 통해 인간과 자동화된 안내자의 안내 전략의 차이점을 강조했습니다.
