본 논문은 다양한 문화적 맥락에 대한 대형 언어 모델(LLM)의 적응성을 향상시키기 위해 다중 에이전트 토론 프레임워크를 제안합니다. 기존의 단일 LLM, 단일 턴 방식과 달리, 상호 보완적인 여러 LLM의 강점을 활용하여 문화적 적응성을 높이는 데 중점을 둡니다. 두 개의 LLM 기반 에이전트가 문화적 시나리오에 대해 토론하고 협력적으로 최종 결정에 도달하는 다중 에이전트 토론 프레임워크의 두 가지 변형(LLM 에이전트가 독점적으로 토론하는 방식과 자기 반성과 토론을 동적으로 선택하는 방식)을 제시합니다. 7개의 오픈 가중치 LLM과 21개의 LLM 조합을 사용하여 75개국의 사회적 예절 규범에 대한 NormAd-ETI 벤치마크를 통해 평가한 결과, 토론이 단일 LLM 기준선보다 전반적인 정확도와 문화 집단의 형평성을 모두 향상시키는 것으로 나타났습니다. 특히, 다중 에이전트 토론을 통해 비교적 작은 LLM(70억~90억 매개변수)이 훨씬 더 큰 모델(270억 매개변수)과 비슷한 정확도를 달성할 수 있음을 보여줍니다.
