원본 시스템 없이 언어 기반 환경 모의 실행 만드는 Trace2Env

핵심 요약

• LLM 에이전트 학습·평가용 환경 모의 실행이 필요하지만, 원본 시스템 재구축은 불가능하거나 비현실적인 경우가 많다.
• 기존 실행 환경을 재건하지 않고 언어 모델이 에이전트의 환경 역할을 하는 '에이전틱 언어 월드 모델링' 방식을 제시한다.
• Trace2Env는 원본 시스템의 과거 상호작용 기록(trace)만으로 학습 없이 환경을 재구성하는 무학습 프레임워크다.
• 월드북에 환경 스키마, 근거 있는 증거, 유도된 행동 지식을 담아 재사용 가능하게 만든다.
• 런타임에 월드 모델 에이전트가 월드북과 지속 상태를 참고해 각 행동의 관찰과 상태 변화를 추론한다.
• 9개 환경에서 테스트 결과, 다음 관찰의 충실도와 장기 상호작용 일관성 모두 기존 프롬프트 기반 언어 월드 모델(LWM)을 능가했다.
• 다중 턴 상호작용에서 Trace2Env로 생성한 에이전트 행동이 실제 환경에서 재실행될 때 더 높은 확률로 유효했으며, 이는 시뮬레이션이 연속된 턴 간 이전 행동의 결과를 더 잘 보존함을 보여준다.
• 원본 실행 가능한 시스템을 재구축하지 않고도 현실적인 환경 모의 실행을 만드는 새로운 방향을 제시한다.