거래비용을 고려한 LLM 에이전트로 에너지 정책 개입에 대한 세입자 반응 시뮬레이션

연구진은 LLM용 ‘마찰 인식’ 페르소나 프레임워크를 만들어, 노력·불확실성·조정 부담 같은 인지된 거래비용을 반영했습니다.

네덜란드의 에너지 효율 리노베이션 설문 데이터를 테스트한 결과, 이런 요인을 넣자 프롬프트만 사용한 모델과 파인튜닝 모델 모두에서 성능이 향상됐습니다.

GPT-3.5-turbo뿐 아니라 Ministral-8B-Instruct와 Llama-3.1-8B-Instruct 같은 오픈웨이트 모델에서도 SFT와 GRPO 학습 시 개선 효과가 확인됐습니다.

이번 결과는 거래비용을 고려한 페르소나가 LLM의 세입자 반응 시뮬레이션을 더 정확하고 해석 가능하게 만들며, 사회정책 이론과 AI 기반 여론 모델링을 더 잘 연결할 수 있음을 보여줍니다.