PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2603.02050v5cs.HC

"언제 인계하고, 언제 함께 작업할 것인가": 공유 공동 창작 워크스페이스에서의 동시적 인간-에이전트 상호작용 이해

"When to Hand Off, When to Work Together": Understanding Concurrent Human-Agent Interaction in Shared Co-Creative Workspaces

공유 공동 창작 워크스페이스는 에이전트(agent)가 작업을 실행하는 동안 사용자가 함께 기여할 수 있도록 지원합니다. 그러나 사용자의 작업과 에이전트의 실행이 상호 형성되는 과정에서 사용자가 자신의 참여를 어떻게 조정하는지는 아직 덜 알려져 있습니다. 본 연구에서는 전문 디자이너를 대상으로 두 차례의 디자인 프로브 연구를 수행했습니다. 연구 1(N=10)에서 참가자들은 에이전트의 진행 상황을 관찰하며 기여할 기회를 포착했으나, 에이전트가 자신의 편집을 오해했을 때는 개입을 피했습니다. 이에 따라 사용자의 행동을 추적하고 계획을 선택적으로 업데이트하는 두 번째 프로브인 CLEO를 개발했습니다. 연구 2(N=12)에서는 255회의 상호작용 턴과 자극 회상 인터뷰(stimulated recall interview)를 분석하여 5가지 행동 범주, 10가지 코드, 6가지 트리거, 4가지 촉진 요인을 도출했습니다. 참가자들은 턴의 33.73% 동안 동시적 상호작용에 참여했으며, 편집을 통해 새롭게 인식한 디자인 아이디어나 선호도를 표현하고, 대기 중인 하위 작업을 완료하거나 미완성된 결과물의 복사본을 독립적으로 발전시킴으로써 작업 분담을 변경했습니다. 마지막으로 동시적 인간-에이전트 협업을 위한 의사결정 모델(decision model)과 5가지 디자인 시사점을 제시합니다.

arXiv:2607.04329v1cs.AI

HAS-Bench: 설정 가능한 인간 참여 수준에서 LLM 기반 인간-에이전트 시스템 평가

HAS-Bench: Evaluating LLM-Based Human-Agent Systems under Configurable Human Participation

대규모 언어 모델(LLM)은 인간이 수동적인 작업 제공자가 아닌 능동적인 협력자로 참여하는 환경에서 점점 더 많이 운용되고 있다. 본 논문에서는 인간과 LLM 기반 에이전트를 명시적인 역할, 권한, 통신 경로, 행동 권한을 가진 일급 참여자로 표현하는 그래프 기반 프레임워크인 HAS-Framework를 소개한다. 이 프레임워크를 기반으로, HAS-Bench는 에이전시 수준, 상호작용 채널, 페르소나 정책에 걸쳐 설정 가능한 인간 참여 하에서 인간-에이전트 시스템(Human-Agent Systems)을 평가한다. 본 벤치마크는 작업 결과와 프로세스 수준의 협업 행동을 모두 측정하며, 여기에는 명확화 품질, 피드백 활용, 제어 보정, 안전성, 주도권, 상호작용 비용이 포함된다. 6개 도메인에 걸친 실험 결과, 인간 참여가 작업 완료율과 실패 복구를 실질적으로 향상시킬 수 있음을 보여주지만, 그 효과는 인간 입력이 언제, 어떻게, 누구에 의해 행사되는지에 따라 달라진다.