효과적이고 효율적인 학습자 시뮬레이션을 위한 학습자 행동 기반 재사용 가능한 스킬 구축
From Learner Behavior to Reusable Skills for Effective and Efficient Learner Simulation
학습자 시뮬레이션(learner simulation)은 특정 학습자가 새로운 과제에서 어떻게 행동하는지 재현하는 것을 목표로 합니다. 대규모 언어 모델(LLM)이 점차 세분화된 학습 행동을 생성할 수 있게 되었지만, 기존 접근 방식은 학습자를 재구성하기 위해 계속 늘어나는 상호작용 이력을 반복적으로 처리해야 하는 경우가 많습니다. 이는 추가적인 컨텍스트 및 추론(inference) 비용을 유발하며, 획득한 학습자 맞춤형 시뮬레이션 기능을 서로 다른 LLM 간에 재사용하기 어렵게 만듭니다. 이에 따라 본 논문에서는 과거 상호작용에서 획득한 시뮬레이션 역량을 지속 가능하고 재사용 가능한 시뮬레이션 스킬(Simulation Skill)로 외재화하는 Learner2Skill을 제안합니다. 이 스킬은 학습자의 현재 학습 상태와 반복적인 응답 패턴을 포착하고, 새로운 실제 상호작용이 유입됨에 따라 발전하며, 학습자를 처음부터 다시 구성하지 않고도 경량 실행기 보정(executor calibration)을 통해 새로운 LLM에 적응할 수 있습니다. 실험 결과에 따르면 Learner2Skill은 전반적인 토큰(token) 비용을 줄이면서도 세분화된 학습자 행동을 더 충실하게 재현하며, 구축된 동일한 스킬을 서로 다른 LLM 실행기 전반에서 효과적으로 재사용할 수 있음을 보여줍니다.