상태 기반 조건화(State-Grounded Conditioning): 방향이 실시간 상태에 따라 달라지는 사용자 대면 LLM 에이전트 래핑
State-Grounded Conditioning: Wrapping User-Facing LLM Agents Where Direction Depends on Live State
우리는 실시간 사용자 상태(게임 상태, 세션 기록, 실시간 인벤토리)에 조건화해야 하는 사용자 대면 LLM 에이전트를 위한 설계 원칙인 State-Grounded Conditioning(SGC)과, 방향 드리프트(direction drift)라 부르는 별도의 실패 유형—과제는 완료했으나 선택한 방향이 현재 상태와 어긋나는 응답—을 제안한다. SGC는 Perception, Grounding, Interaction 래퍼가 명시적 조건화 의존성을 갖도록 하여, 구조화된 입력과 세 가지 주요 상태 슬라이스(state slice)에 대한 규칙 커널(rule kernel)로 상태 의존 제어를 외부화한다. 연속 경기에서 플레이어를 안내하는 게임 내 대화형 코칭 에이전트로부터 수집한 200세션 익명화 벤치마크(약 1,000회의 어시스턴트 모델 턴)에서 SGC를 평가하며, 평균 첫 토큰 지연(latency)과 사실적 그라운딩 및 코치형 안내 진행을 함께 다루는 다섯 가지 사람 주석 대화 품질 지표를 보고한다. Perception 래퍼는 평균 첫 토큰 지연을 1.5초로 유지한다(프로덕션 tool-use 하네스 내부 PE-Agent는 6.1초). 세 래퍼를 모두 켜면 턴 수준 그라운딩 정확도가 61.1%/69.8%(Prompting/PE-Agent)에서 96.7%로, 세션 수준 그라운딩 정확도가 20.0%/26.5%에서 83.5%로 상승하며, 세션 수준 그라운딩 실패 사건은 가장 강한 기준선 대비 약 78% 감소한다. 누적 ablation은 래퍼를 추가할수록 상보적인 점진적 이득이 있음을 보여준다. 이 결과는 대략적인 상태 슬라이스 직교성(orthogonality)에 대한 시사점을 제공하나, 래퍼별 독립 효과는 확립하지 않는다.