Self-Recall Thinking을 통한 다회차 대화 일관성 향상

요약

본 논문은 LLM 기반 다회차 대화 시스템이 겪는 장거리 문맥 의존성 및 정보 희소성 문제를 해결하기 위해 Self-Recall Thinking (SRT) 프레임워크를 제안합니다. SRT는 외부 모듈 없이도 과거의 유용한 대화 턴을 선택적으로 회상하고 추론하는 내생적(endogenous) 과정을 통합하여 일관성을 높입니다. 실험 결과, SRT는 기존 방법 대비 F1 점수를 향상시키고 엔드투엔드 지연 시간을 감소시켜 성능과 효율성 모두에서 우수함을 입증했습니다.

핵심 포인트

• Self-Recall Thinking (SRT) 프레임워크를 통해 다회차 대화의 일관성과 확장성을 개선함.
• SRT는 외부 메모리 의존 없이, 과거 턴을 선택적으로 회상하고 추론하는 내생적(endogenous) 과정을 통합함.
• 주요 구성 요소로는 의존성 구축, 능력 초기화, 그리고 검증 가능한 보상을 통한 추론 개선 과정이 포함됨.
• 실험 결과, SRT는 F1 점수 향상과 엔드투엔드 지연 시간 감소를 동시에 달성하여 최첨단 성능을 입증함.