Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

CSP4SDG: Constraint and Information-Theory Based Role Identification in Social Deduction Games with LLM-Enhanced Inference

Created by
  • Haebom
Category
Empty

저자

Kaijie Xu, Fandi Meng, Clark Verbrugge, Simon Lucas

개요

본 논문은 Avalon, Mafia, Werewolf와 같은 소셜 디덕션 게임(SDGs)에서 플레이어의 숨겨진 역할을 추론하는 데 중점을 둔다. 정확한 역할 식별은 에이전트의 신념 상태 형성에 중요한 요소이며, 이를 위해 게임 플레이를 객관적으로 분석하는 확률적 제약 만족 프레임워크인 CSP4SDG를 소개한다. CSP4SDG는 증거, 현상, 주장, 가설의 4가지 언어 중립적인 제약 클래스를 사용하여 게임 이벤트와 대화를 매핑한다. 하드 제약은 불가능한 역할 할당을 제거하고, 가중치가 부여된 소프트 제약은 나머지 항목에 점수를 매긴다. 정보 이득 가중치는 각 가설을 엔트로피 감소에 따른 예상 값에 연결하고, 간단한 폐쇄형 점수 규칙은 진실된 주장이 최소 오차로 고전적인 하드 로직으로 수렴되도록 보장한다. 역할에 대한 결과적인 사후 확률은 완전히 해석 가능하며 실시간으로 업데이트된다. 실험 결과, CSP4SDG는 모든 추론 시나리오에서 LLM 기반 기준선을 능가했으며, 보조 "추론 도구"로 제공될 때 LLM의 성능을 향상시켰다. 본 연구는 정보 이론을 이용한 원리적인 확률적 추론이 SDGs를 위한 대규모 신경망 모델에 대한 확장 가능한 대안 또는 보완책임을 입증한다.

시사점, 한계점

•
시사점:
◦
CSP4SDG는 LLM 기반 모델보다 우수한 성능을 보였다.
◦
CSP4SDG는 LLM을 보조 추론 도구로 활용하여 LLM의 성능을 향상시켰다.
◦
정보 이론을 기반으로 한 확률적 추론이 SDGs 해결에 효과적인 접근법임을 제시했다.
◦
CSP4SDG는 완전한 해석 가능성을 제공하며 실시간 업데이트가 가능하다.
•
한계점:
◦
논문에 제시된 한계점은 명시적으로 언급되지 않았다.
👍
Made with Slashpage