본 논문은 감정 모델링을 통합한 EAI 프레임워크를 제안하여 대형 언어 모델(LLM)의 윤리적 의사결정에 미치는 감정의 영향을 분석하고, 감정 편향이 LLM의 협력률 저하 등 인간과 다른 행동 양상을 초래함을 밝혀 LLM의 감정 정합성 평가 기준 마련의 필요성을 강조한다.
가상 시뮬레이션 환경에서 대화 에이전트의 자기감정이 대화 전략과 의사결정에 영향을 미쳐, 인간과 유사한 대화 행동과 자연스러운 의사결정 변화를 유도함을 밝혔다.
이 연구는 코드 표현을 활용해 행동의 선행 조건을 추론하고, 이를 바탕으로 정책의 행동 샘플링을 선행 조건에 맞게 조정하여 작업 지향 대화 및 텍스트월드 환경에서 적은 학습으로도 성능을 향상시키는 방법을 제안한다.
본 논문은 다양한 과제와 평가 지표를 통합한 EMBODIED AGENT INTERFACE를 제안하여, 대형 언어 모델(LLM)의 신체화된 의사결정 능력을 세부적으로 평가하고 장단점을 분석한다.
본 논문에서는 실제 상황에서 요구되는 복합적 멀티모달 추론 및 행동 평가를 위해 살인 미스터리 게임 기반의 동적 환경 평가 벤치마크인 WhodunitBench를 제안하였으며, 이를 통해 현재 대형 멀티모달 에이전트들의 한계를 분석하였다.