본 논문은 대규모 언어 모델(LLM)을 다자 대화에 적용하는 어려움을 해결하기 위해 다자 대화용 미세 조정 프레임워크인 MuPaS를 제안합니다. 기존 연구들이 주로 다 에이전트 프레임워크에 초점을 맞춘 것과 달리, MuPaS는 다자 대화 데이터셋을 이용하여 LLM을 직접 미세 조정합니다. 두 가지 훈련 전략을 통해 MuPaS를 다자 대화 시뮬레이터로 활용할 수 있도록 설계되었으며, 실험 결과 MuPaS는 최첨단의 다자 대화 응답 생성, 높은 정확도의 다음 발화자 예측, 높은 품질의 발화 생성(인간 및 자동 평가 기준)을 달성하고, 분포 외 상황, 주제, 역할 설명에도 합리적인 결과를 생성하는 것으로 나타났습니다. MuPaS 프레임워크는 대화 생성, 가상 리허설, 메타버스 등 복잡한 다자 응용 프로그램과 LLM 훈련을 연결하는 역할을 합니다.
