회의 진행 상황을 추론하는 모델을 평가하기 위해 실제 회의 2,207건과 미래 지향적 질문 24,794건으로 구성된 회의 동역학 예측 벤치마크(MDFB)가 공개됐다. 연구진은 적대적 모방학습을 조건부 언어 생성에 적용한 GLARE를 제안했는데, 판별기가 실제 관찰된 대화 진행을 현재 정책의 샘플보다 높게 평가하도록 학습하고 그 점수를 KL 정규화된 정책 보상으로 사용하며, 현재 정책의 부정 샘플로 재학습해 보상 지형이 정책과 함께 진화하도록 했다. GLARE는 SFT와 SPIN을 능가해 유용성 승률 0.66, 인간다움 승률 0.70을 기록했지만 실제 인간의 회의 진행에는 아직 못 미쳤다. MDFB는 폐쇄형 모델을 포함한 범용 모델 비교용 사회적 추론 아레나로도 활용 가능함을 보였다.

• •실제 회의 2,207건, 미래 지향 질문 24,794건으로 구성된 MDFB 벤치마크 공개
• •적대적 모방학습 기반 GLARE: 판별기 점수를 KL 정규화 보상으로 활용, 현재 정책 샘플로 지속 재학습
• •GLARE가 유용성 승률 0.66, 인간다움 승률 0.70으로 SFT·SPIN 능가
• •다만 실제 인간이 진행한 회의 연속 대화 수준에는 아직 도달하지 못함
• •폐쇄형 모델 포함 범용 모델 비교를 위한 사회적 추론 평가 아레나로도 활용 가능