교육용 가상 실험실에서 LLM이 생성한 절차적 지식의 불확실성을 관리하기 위한 프레임워크를 제안한다. LLM은 실험 절차 생성에 유용하지만 필요한 동작 누락·순서 오류·장비 비호환 등의 문제가 있어 직접 실행이 불가능하다. 제안 프레임워크는 구조화된 도메인 표현과 LLM 생성 상태 전이 샘플로 후보 절차 규칙을 추출하고, 이를 명시적으로 검사 가능한 제약 조건으로 변환해 불확실한 절차 단계를 수정한다. 교육용 가상 실험실 외에도 구조화된 인터랙티브 환경의 행동 계획 전반에 적용 가능한 범용 접근법이다.
- •LLM 생성 절차적 지식의 한계: 필요 동작 누락, 순서 오류, 장비 비호환 등으로 직접 실행 불가.
- •구조화된 도메인 표현과 LLM 생성 상태 전이 샘플로 후보 절차 규칙을 추출하고 명시적 제약 조건으로 변환.
- •불확실한 절차 단계를 추출된 제약으로 수리(repair)하는 프로토타입 프레임워크 구현.
- •교육용 가상 실험실 너머 구조화된 인터랙티브 환경에서의 행동 계획 전반에 적용 가능한 범용 접근법.
Managing Uncertainty in LLM-Generated Procedural Knowledge for Virtual Laboratory Planning
- 1.LLM 생성 절차 지식의 불확실성을 관리하는 가상 실험실 계획 프레임워크 프로토타입 제안
- 2.구조화된 도메인 표현과 상태 전이 샘플로 후보 절차 규칙을 추출해 명시적 제약으로 변환
- 3.LLM 출력을 바로 실행 가능한 계획으로 사용하면 발생하는 절차 오류를 제약 기반 수정으로 완화
왜 중요한가?
LLM 절차 지식의 오류를 제약 기반으로 자동 수정하는 접근은 교육 시뮬레이터뿐 아니라 구조화된 행동 계획이 필요한 에이전트 시스템 전반에 적용 가능한 방법론이다.
본문 미리보기
arXiv:2605.26333v1 Announce Type: new Abstract: Educational virtual laboratories can make experimental training more scala-ble, adaptive, and accessible, especially when students have limited access to physical laboratory facilities. However, authoring new simulated laboratory procedures remains costly: educators must describe new equipment, define how instruments and materials interact, and specify valid procedural flows that can be executed or assessed inside the virtual environment. Large la
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
