대규모 언어 모델(LLM)은 강력한 일반화 및 추론 능력을 보여주어 의료 상담(MC)과 같은 복잡한 의사결정 작업에 적합합니다. 그러나 기존의 LLM 기반 방법들은 증상 문의(순차적 의사결정 과정)와 질병 진단(분류 문제)이라는 MC의 이중적 특성을 제대로 포착하지 못하는 경우가 많아 비효율적인 증상 문의와 신뢰할 수 없는 질병 진단으로 이어집니다. 본 논문에서는 이 문제를 해결하기 위해, 두 하위 작업을 분리하여 협업적 다중 에이전트 워크플로우를 통해 독립적으로 최적화하는 이중 의사결정 최적화(Dual-Decision Optimization, DDO)라는 새로운 LLM 기반 프레임워크를 제안합니다. 세 개의 실제 MC 데이터 세트에 대한 실험 결과, DDO는 기존의 LLM 기반 접근 방식을 꾸준히 능가하며 최첨단 생성 기반 방법과 경쟁력 있는 성능을 달성하여 MC 작업에서의 효과를 입증합니다.
