평생형·선제형 대화 에이전트 메모리 및 전략 플래닝 연구

Lifelong and Proactive Dialogue Agents via Memory and Strategy Planning

연구 내용

타임라인 기반 메모리와 합성 전략 메모리를 활용해 장기 대화에서 일관성과 목적성을 유지하며 선제적 응답을 생성하는 대화 에이전트 연구

본 분야는 장기 대화에서 맥락 유지와 목표 달성을 동시에 요구하는 점에 초점을 둡니다. 타임라인 기반 메모리 관리로 세션 누적 정보를 선택적으로 활용하고, 오프라인 self-play로 생성한 합성 전략 메모리를 추론 시점에 재사용하여 추가 학습 없이 전략 플래닝을 유도합니다. 또한 감정 지원 및 설득 도메인에서 메타인지·개방성 같은 평가 관점을 모델링하여 대화 에이전트의 응답 품질을 체계적으로 점검하는 차별성을 보유합니다.

관련 프로젝트

4건

연구 흐름

초기에는 다중 기술과 다중 화자 기반 대화 모델링 기술을 통해 챗봇 중심의 대화 시스템 성능을 확보하고, 이종 데이터에서 상식 기반 추출·이해·추론을 결합해 지식 활용 경로를 구성했습니다. 이후에는 대화의 장기 의존성을 다루기 위해 타임라인 기반 메모리 관리로 과거 정보의 활용 시점을 정교화하고, 합성 전략 메모리인 PRINCIPLES를 구축해 선제적 대화에서 전략 커버리지를 확장하는 방향으로 발전했습니다. 최근에는 치료 평가를 위한 메타인지·개방성 모델링과 도메인별 평가를 결합해 대화 에이전트의 신뢰성 검증을 심화하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

감정 지원 대화 에이전트
설득 기반 코칭 시스템
장기 세션 개인화 챗봇
대화 전략 플래닝 모듈
타임라인 메모리 관리 프레임워크
치료 관점 LLM 평가 파이프라인
AR 기반 인간-에이전트 상호작용
상식 기반 대화형 에이전트
대화 이력 요약 및 재현 도구
도메인 적응형 대화 데이터셋 구축