Iterative Feedback-based Personality Persona Generation for Diversifying Linguistic Patterns in Large Language Models

대규모 언어 모델의 언어 패턴 다양화를 위한 반복적 피드백 기반 성격 페르소나 생성법

  • Taeho Hwang (KAIST, School of Computing) ;
  • Hoyun Song (KAIST, School of Computing) ;
  • Jisu Shin (KAIST, School of Computing) ;
  • Sukmin Cho (KAIST, School of Computing) ;
  • Jong C. Park (KAIST, School of Computing)
  • 황태호 (한국과학기술원 전산학부) ;
  • 송호윤 (한국과학기술원 전산학부) ;
  • 신지수 (한국과학기술원 전산학부) ;
  • 조석민 (한국과학기술원 전산학부) ;
  • 박종철 (한국과학기술원 전산학부)
  • Published : 2023.10.12

Abstract

대규모 언어 모델(Large Language Models, LLM)의 발전과 더불어 대량의 학습 데이터로부터 기인한 LLM의 편향성에 관심이 집중하고 있다. 최근 선행 연구들에서는 LLM이 이러한 경향성을 탈피하고 다양한 언어 패턴을 생성하게 하기 위하여 LLM에 여러가지 페르소나를 부여하는 방법을 제안하고 있다. 일부에서는 사람의 성격을 설명하는 성격 5 요인 이론(Big 5)을 이용하여 LLM에 다양한 성격 특성을 가진 페르소나를 부여하는 방법을 제안하였고, 페르소나 간의 성격의 차이가 다양한 양상의 언어 사용 패턴을 이끌어낼 수 있음을 보였다. 그러나 제한된 횟수의 입력만으로 목표하는 성격의 페르소나를 생성하려 한 기존 연구들은 세밀히 서로 다른 성격을 가진 페르소나를 생성하는 데에 한계가 있었다. 본 연구에서는 페르소나 부여 과정에서 피드백을 반복하여 제공함으로써 세세한 성격의 차이를 가진 페르소나를 생성하는 방법론을 제안한다. 본 연구의 실험과 분석을 통해, 제안하는 방법론으로 형성된 성격 페르소나가 다양한 언어 패턴을 효과적으로 만들어 낼 수 있음을 확인했다.

Keywords

Acknowledgement

이 논문은 2023년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구임(No. 2018-0-00582, (통합EZ)(SW 스타랩) 언어학적 분석 및 증거 문서 자동 수집을 통한 신뢰도 분포 자동 예측 및 자동 증강 (2023년도)).