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:2606.18624v1cs.CL

PragReST: 화용론적 언어 이해를 위한 자기 강화형 반사실적 추론

PragReST: Self-Reinforcing Counterfactual Reasoning for Pragmatic Language Understanding

LLM이 함축적 의미를 읽는 화용론적 추론(pragmatic reasoning)에 취약한 문제를, PragReST가 사람 라벨이나 강한 교사 모델의 지식 증류 없이 화용론적 QA와 반사실적 추론 흔적을 자기생성하고 지도 미세조정·강화학습(GRPO)으로 내면화하는 자기지도 프레임워크로 다룬다. PragMega, Ludwig, MetoQA, AltPrag 네 벤치마크에서 Qwen3-8B·14B 인스트럭트 백본 대비 정확도가 각각 절대 5.37%, 5.50% 향상되었고, 관찰 발화와 대안 발화를 대조하는 반사실적 추론이 성능 개선의 핵심으로 확인되었다.