본 논문은 불완전 정보 게임에 대한 통찰력 있고 흥미로운 해설 생성의 어려움을 해결하기 위해, 강화 학습(RL)과 대규모 언어 모델(LLM)을 결합한 새로운 해설 방법을 제시합니다. 중국 카드 게임인 Guandan을 대상으로, RL을 활용하여 복잡한 카드 플레이 시나리오를 생성하고, LLM을 사용하여 해당 시나리오에 대한 해설 텍스트를 생성합니다. 이는 전문 해설가의 전략적 분석 및 서술 능력을 효과적으로 모방합니다. 시스템은 상태 해설 가이드, 이론적 마음(ToM) 기반 전략 분석기, 스타일 검색 모듈로 구성되며, 중국어 환경에서 상세하고 맥락에 맞는 게임 해설을 제공합니다. LLM에 ToM 기능을 부여하고 검색 및 정보 필터링 메커니즘을 개선하여 개인화된 해설 콘텐츠 생성을 가능하게 합니다. 실험 결과, 제안된 해설 프레임워크는 오픈소스 LLM에 적용되었을 때 GPT-4를 여러 평가 지표에서 능가하는 성능 향상을 보여줍니다.
