PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.11053v1cs.CL

격률 위반은 자기 책임: 인식론적 비대칭 하에서 화용적 협력성에 어려움을 겪는 LLM

Flout at Your Own Risk: LLMs Struggle with Pragmatic Cooperativity Under Epistemic Asymmetry

풍성한 협력은 추론에 통합할 맥락적 단서를 포함한 협력적 의사소통에 의존한다. 협력적·에이전트 파이프라인에서 대규모 언어 모델(LLM)의 사용이 증가함에 따라, 특히 협력자와 동일한 정보에 접근하지 못할 수 있는 시나리오에서 LLM이 이러한 화용적 역량을 어느 정도 발휘하는지에 대한 의문이 제기된다. 본 논문에서는 부분 정보 조건하의 다자간 협력 과제에서 LLM의 화용적 추론 역량에 대한 새로운 연구를 수행한다. 우리는 객관적 과제 성공을 그라이스의 협력 원리(Grice's cooperative principle)와 명시적으로 연결하는 협력적 인식론적 비대칭(collaborative epistemic asymmetry) 개념을 형식화하고, 프롬프팅 및 사후 학습 전략을 포함하여 화자와 청자 모두로서 협력적으로 행동하는 다양한 LLM의 능력을 실증적으로 평가한다. 우리의 결과는 LLM이 협력적 환경에서 특정 화용적 역량을 발휘하며 이를 프롬프팅과 사후 학습을 통해 이끌어낼 수 있음을 보여주지만, 불완전한 정보 하의 화용적 의사소통에서는 여전히 어려움에 직면하며, 특정 실패 양상은 인식되지 못한 채 넘어가는 그라이스의 격률(Grice's maxims) 위반과 상관관계가 있음을 보여준다.

arXiv:2606.18413v1cs.AI

공유 워크스페이스 인간-AI 협업에서의 시너지 탐색

Searching for Synergy in Shared Workspace Human-AI Collaboration

공유 워크스페이스 인간-AI 팀에서 Collaborative Gym과 DiscoveryBench 과업으로 1,482세션을 분석한 결과, 조율 구조가 없으면 관련 협력자를 추가해도 프로세스 손실로 성능이 오히려 떨어질 수 있음을 확인했다. 공유 그룹 메모리와 시뮬레이션 인간 개입 루프(HITL) 게이트를 결합한 스캐폴딩은 책임 신호와 전문 지식 전달을 강화해 특히 3인 팀의 평균 성능을 높였으며, 팀이 보유한 능력만큼 협업 방식이 중요함을 보여준다.