본 논문은 대규모 언어 모델(LLM) 기반 에이전트가 실시간 상호작용을 요구하는 동시 작업에서 어려움을 겪는다는 점을 지적한다. 지연 문제와 변화하는 인간 전략을 추론하는 어려움으로 인해 명시적인 지시 없이 자율적인 의사결정을 내리는 데 어려움을 겪는다. 이를 해결하기 위해 이중 과정 이론(DPT) 기반의 새로운 언어 에이전트 프레임워크인 DPT-Agent를 제안한다. DPT-Agent는 빠른 의사결정을 위한 System 1(유한 상태 기계와 코드 기반 정책 사용)과 인간 의도를 추론하고 추론 기반 자율적 의사결정을 수행하는 System 2(마음 이론과 비동기적 반성 통합)로 구성된다. 실험을 통해 기존 LLM 기반 프레임워크보다 DPT-Agent가 실시간 동시 인간-AI 협업에서 상당한 성능 향상을 보임을 입증한다. DPT-Agent는 LLM이 느린 사고와 추론을 실행 가능한 행동으로 효과적으로 전환하도록 지원하여 성능을 향상시킨다.
