요약

본 논문은 대규모 언어 모델(LLMs)을 활용하여 AI 게임 프로그래밍의 새로운 패러다임을 제시하는 'Nemobot'이라는 에이전트 엔지니어링 환경을 소개합니다. Nemobot은 사용자가 LLM 기반 게임 에이전트를 직접 만들고 배포할 수 있게 하며, 딕셔너리 기반, 해법 기반, 학습 기반 등 다양한 유형의 게임에서 전략적 행동을 보여줍니다. 특히, 이 플랫폼은 사용자 피드백과 크라우드소싱 데이터를 결합하여 에이전트가 스스로 로직을 개선하는 '자가 프로그래밍(self-programming)'에 근접한 경험을 제공하며, AI 학습 및

핵심 포인트

• Nemobot은 LLM을 활용하여 게임 플레이 기계의 분류학(Shannon's taxonomy)을 확장하고 구현하는 에이전트 엔지니어링 환경입니다.
• 딕셔너리 기반 게임에서는 상태-행동 매핑을 효율적으로 압축하며, 해법 기반 게임에서는 수학적 추론을 통해 최적 전략과 설명을 생성합니다.
• Nemobot은 강화학습 (RL) 및 인간 피드백(Human Feedback)을 결합하여 에이전트가 반복적인 시행착오를 거쳐 스스로 로직을 개선하는 과정을 시연합니다.
• 궁극적으로 Nemobot은 크라우드소싱 학습과 인간의 창의성을 통합하여 AI 에이전트의 '자가 프로그래밍' 목표에 한 걸음 다가갑니다.