대규모 언어 모델(LLM)은 의료 상담(MC)과 같은 복잡한 의사 결정 작업에 적합하지만, 기존 LLM 기반 방법은 증상 문의(순차적 의사 결정)와 질병 진단(분류 문제)의 이중적인 특성을 제대로 포착하지 못합니다. 이 문제를 해결하기 위해, 본 논문은 두 개의 하위 작업을 분리하고 협력적 멀티 에이전트 워크플로우를 통해 서로 다른 목표로 최적화하는 새로운 LLM 기반 프레임워크인 DDO(Dual-Decision Optimization)를 제안합니다. 세 개의 실제 MC 데이터셋에 대한 실험 결과, DDO가 기존 LLM 기반 접근 방식보다 우수하며, 최첨단 생성 기반 방법과 경쟁력 있는 성능을 달성했습니다.
