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.
화물 중개업계는 동적인 가격 변동이 잦은 환경에서 수많은 운임 협상을 진행합니다. 기존의 양보(concession) 프레임워크들은 고정된 매개변수($eta$)를 사용하기 때문에, 실시간으로 목표가나 시장 상황이 바뀌는 복잡한 협상에 적응하기 어렵습니다.
연구진은 스프레드(spread)에서 $eta$ 값을 도출하여 모델의 적응성을 높였으나, 가격 변동 시 이전 제안을 철회하는 등 모노토니성(monotonicity) 위반 문제가 발생한다는 한계가 있었습니다. 또한, LLM 기반 브로커는 비결정론적(non-deterministic) 가격 책정을 유발하고 프롬프트 주입 공격에 취약하다는 문제도 안고 있습니다.
이에 본 논문은 'Anchor-and-Resume'라는 2-인덱스 프레임워크를 제안합니다. 이 방식은 스프레드 기반의 $eta$ 매핑을 통해 각 화물 적재물의 마진 구조에 맞는 최적의 양보 자세를 취할 수 있습니다. 무엇보다도, '앵커-앤-리줌' 메커니즘이 임의의 가격 변동에도 제안된 운임의 모노토니성(monotonically non-decreasing)을 보장합니다.
핵심은 모든 가격 결정이 여전히 결정론적 공식 내에서 이루어진다는 점입니다. LLM은 단지 자연어 인터페이스 역할만 수행하며, 이를 통해 수천 건의 동시 협상에서도 추론 비용(inference cost) 증가 없이 투명하고 확장 가능한 시스템을 구축할 수 있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기