Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
LLM 기반 대화형 에이전트가 상황에 따라 페르소나와 성격 강도를 조절할 수 있는 '유동적 성격 프레임워크'를 제안합니다. 과업 문맥과 사용자의 목표에 맞춰 에이전트의 은유적 역할과 성격 표현 수위를 동적으로 적응시키는 설계 방안을 다룹니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기대규모 언어 모델 (LLM) 기반의 대화형 에이전트 (CAs)는 이제 어디에나 존재하며, AI 매개 행동 변화를 위한 새로운 기회를 창출하고 있습니다. 미묘한 페르소나 (persona)를 투영하고 다양한 은유적 역할을 채택하는 능력은 다음과 같은 설계적 질문을 제기합니다: 에이전트의 페르소나와 성격은 상황에 맞게 어떻게 조정되어야 하는가? 최근의 증거에 따르면, (i) 목표 지향적 과업에서 중간 정도의 성격 표현이 낮거나 높은 극단적인 표현보다 신뢰, 즐거움, 채택 의도 측면에서 더 나은 성능을 보이며, (ii) 문맥에 적합한 은유가 정적인 단일 톤의 어시스턴트보다 사용자 경험과 수용도 측면에서 더 우수합니다. 그러나 대부분의 대화형 에이전트 (CAs)는 여전히 페르소나와 스타일을 모두 고정하고 있어, 의료 정보 탐색, 피트니스 코칭, 성찰적 학습과 같이 역동성, 긴급성, 격식 등이 변하는 상황에서 불일치가 발생할 위험이 있습니다. 우리는 과업 문맥, 사용자의 목표 및 특성, 그리고 상황적 긴급성의 함수로서 (1) 코치, 튜터, 사서 또는 도구와 같은 에이전트의 은유적 페르소나와 (2) 성격 표현의 강도(낮음, 중간, 높음)를 공동으로 적응시키는 유동적 성격 프레임워크 (Fluid Personality Framework)를 제안합니다. 우리는 이 프레임워크와 그 핵심 설계 차원을 개괄합니다.