상대방 AI 에이전트의 다음 결정을 예측하는 텍스트-테이블 모델 — 91개 상대에 대해 AUC 4% 향상

Technion 연구진이 협상 게임에서 상대방 에이전트의 다음 결정을 예측하는 타겟 적응형 텍스트-테이블 모델을 제안했습니다. 각 결정 시점의 게임 상태, 제안 이력, 대화를 테이블 행으로 표현하고, LLM-as-Observer 기법으로 소형 LLM의 은닉 상태를 결정 지향 특징으로 추가했습니다. 13개 frontier LLM 에이전트로 학습하고 91개 보류 에이전트로 테스트한 결과, K=16에서 응답 예측 AUC가 약 4% 향상되고 협상 제안 오차가 14% 감소했습니다. 단, 이 방법은 각 상대에 대해 과거 게임 데이터가 필요하며, 실제 환경에서의 로깅 혼란은 통제된 게임 환경에서만 검증되었습니다.

• #ai-agents
• #negotiation
• #llm
• #tabular-model
• #technion