본 논문은 대형 언어 모델(LLM) 기반의 새로운 프레임워크인 FLARE를 제시합니다. FLARE는 산불 대피 결정 예측을 위해 행동 이론 및 모델을 통합하여 Chain-of-Thought(CoT) 추론을 간소화하고, 기억 기반 강화 학습(RL) 모듈과 통합하여 정확한 대피 결정 예측 및 이해를 제공합니다. 기존의 통계적 방법이 개인의 복잡하고 다양한 행동 논리를 포착하지 못하는 한계를 극복하기 위해, LLM을 활용하여 제한된 설문 조사 데이터, 행동 이론과의 불일치, 상충되는 개인적 선호도, 암시적이고 복잡한 정신 상태, 그리고 다루기 어려운 정신 상태-행동 매핑과 같은 문제들을 해결합니다. 세 개의 산불 후 설문 조사 데이터셋에 대한 실험 결과, 기존의 이론에 기반한 행동 모델에 비해 평균 20.47%의 성능 향상을 보였으며, 이벤트 간 일반화 성능 또한 우수함을 확인했습니다. 소스 코드는 공개적으로 제공됩니다.
