EmoMAS: Emotion-Aware Multi-Agent System for High-Stakes Edge-Deployable Negotiation with Bayesian Orchestration
Created by
Haebom
Category
Empty
저자
Yunbo Long, Yuhan Liu, Liming Xu
💡 개요
본 논문은 높은 연산 비용과 개인정보 유출 위험으로 엣지 디바이스 배포에 제약이 있는 대규모 언어 모델(LLM) 대신, 감정 역학을 고려한 소규모 언어 모델(SLM) 기반의 자동 협상 시스템인 EmoMAS를 제안합니다. EmoMAS는 게임 이론, 강화 학습, 심리적 일관성 모델을 통합한 베이지안 다중 에이전트 프레임워크를 사용하여 감정 의사결정을 전략적으로 관리하며, 사전 훈련 없이 온라인 전략 학습이 가능하도록 합니다.
🔑 시사점 및 한계
•
감정적 지능을 협상 성공의 핵심 동인으로 간주하고, 이를 전략적 변수로 취급함으로써 효과적이고 프라이버시를 보장하는 적응형 협상 AI의 새로운 패러다임을 제시합니다.
•
부채, 의료, 긴급 대응, 교육 등 다양한 고위험 시나리오에 대한 엣지 배포 가능한 협상 벤치마크를 개발하여 시스템의 실용성을 입증했습니다.
•
제안된 EmoMAS 시스템은 SLM과 LLM 모두에서 베이스라인 모델 대비 뛰어난 협상 성능과 윤리적 행동 균형을 보여주었습니다.
•
에이전트 간 시뮬레이션 결과는 긍정적이지만, 실제 복잡하고 동적인 엣지 환경에서의 추가적인 검증 및 성능 최적화가 필요합니다.
