LLM 시대 운임 협상 최적화: Anchor-and-Resume 프레임워크

요약

본 논문은 동적 가격 책정 환경에서 발생하는 화물(Freight) 운임 협상 문제를 다룹니다. 기존의 시간 의존적 양보(concession) 모델들은 고정된 매개변수($eta$)를 사용해 실시간 시장 변화에 대응하기 어렵고, 가격 변동 시 모노토니성(monotonicity) 위반 문제가 발생했습니다. 이에 연구진은 'Anchor-and-Resume'라는 2-인덱스 프레임워크를 제안합니다. 이 방식은 스프레드(spread)에서 파생된 $eta$를 사용하여 각 화물 적재물의 마진 구조에 맞는 양보 자세를 취하며, 동시에 가격 변동과

핵심 포인트

• Anchor-and-Resume 프레임워크는 동적 가격 변화에도 양보 제안의 모노토니성(monotonicity)을 보장합니다.
• 이 방식은 LLM을 자연어 번역 계층으로만 활용하여 결정론적인(deterministic) 가격 책정 로직을 유지하고 비용 효율성을 높입니다.
• 실험 결과, 좁은 스프레드에서는 신속한 거래 성사를 위해 양보하며, 넓은 스프레드에서는 기존 최적 모델 대비 높은 절감액을 달성했습니다.
• LLM 기반의 불확실한 상대방(stochastic counterparties)과 비교해도 유사하거나 더 나은 합의율 및 절감액을 유지합니다.