본 논문은 대규모 언어 모델(LLM)을 다자 대화(MPD)에 적용하기 위한 다자 정밀 조정 프레임워크인 MuPaS를 제안합니다. 기존의 LLM은 주로 2자 대화에 초점을 맞춰 정밀 조정되었기 때문에 MPD에 적용하기 어려운 한계가 있었습니다. MuPaS는 다자 대화 데이터셋을 사용하여 LLM을 직접적으로 정밀 조정함으로써, 다자 대화 스타일과 효율적으로 정렬될 수 있도록 설계되었습니다. 또한, MuPaS를 MPD 시뮬레이터로 활용할 수 있는 두 가지 훈련 전략을 제시합니다. 실험 결과, MuPaS는 최첨단의 다자 응답 성능, 높은 다음 화자 예측 정확도, 높은 품질의 발화 생성 및 분포 외 상황, 주제, 역할 설명에도 합리적인 응답 생성 능력을 보여줍니다. 이는 대화 생성, 가상 리허설 또는 메타버스와 같은 복잡한 다자 애플리케이션에 LLM을 적용하는데 기여할 수 있습니다.
