본 논문은 대규모 언어 모델(LLM) 기반 에이전트의 전략적 의사결정 능력 향상을 위해 강화학습(RL)을 통합하는 새로운 프레임워크를 제안합니다. 복잡한 의사결정 과제에서 LLM 기반 에이전트는 훈련 데이터에서 유래한 고유한 편향으로 인해 최적이 아닌 성능을 보이는 경향이 있습니다. 이를 해결하기 위해, 본 논문에서는 인기있는 소셜 연역 게임인 늑대인간 게임을 테스트베드로 사용하여, LLM을 이용한 연역적 추론을 통해 다양한 행동 후보를 생성하고, 강화학습 정책을 통해 최적의 행동을 선택하는 에이전트를 개발했습니다. 실험 결과, 제안된 에이전트는 기존 LLM 기반 에이전트보다 뛰어난 성능을 보이며, 인간 수준의 성능과 전략적 플레이를 보여주는 것을 확인했습니다.
