LLM 에이전트를 위한 구조화된 성격 제어 및 적응

Structured Personality Control and Adaptation for LLM Agents

대규모 언어 모델(LLM)은 개인화된 비서에서 사회적 시뮬레이션에 이르기까지 인간-컴퓨터 상호작용(HCI)의 형태를 점점 더 변화시키고 있다. 연구자들은 단순한 언어 능력을 넘어, LLM이 사용자의 참여, 의사결정, 그리고 현실감에 영향을 미치는 인간적인 특성을 발휘할 수 있는지 탐구하고 있다. 특히 성격은 매우 중요한 요소이나, 기존의 접근 방식들은 섬세하면서도 상황에 적응하는 표현을 동시에 구현하는 데 어려움이 있었다. 본 논문에서는 융(Jung)의 심리 유형을 기반으로 LLM의 성격을 모델링하는 프레임워크를 제안한다. 이 프레임워크는 일관성 있는 핵심 성격 표현을 위한 '주기능-부기능 조정 메커니즘', 상황에 따른 일시적 적응을 위한 '강화-보상 메커니즘', 그리고 장기적인 성격 진화를 유도하는 '성찰 메커니즘'의 세 가지를 통합한다. 이러한 설계를 통해 에이전트는 섬세한 성격 특성을 유지하면서도 상호작용의 요구에 동적으로 적응하고, 점진적으로 그 기저 구조를 업데이트할 수 있다. 성격 정렬 여부는 MBTI(마이어스-브릭스 유형 지표) 설문지를 통해 평가되었으며, 예비 구조적 평가로서 다양한 도전 과제 시나리오에서 테스트되었다. 연구 결과, 진화 가능하고 성격을 인식하는 LLM은 일관되고 문맥에 맞는 상호작용을 지원하여 HCI 분야에서 보다 자연스러운 에이전트 설계를 가능하게 함을 시사한다.

Large Language Models (LLMs) are increasingly shaping human-computer interaction (HCI), from personalized assistants to social simulations. Beyond language competence, researchers are exploring whether LLMs can exhibit human-like characteristics that influence engagement, decision-making, and perceived realism. Personality, in particular, is critical, yet existing approaches often struggle to achieve both nuanced and adaptable expression. We present a framework that models LLM personality via Jungian psychological types, integrating three mechanisms: a dominant-auxiliary coordination mechanism for coherent core expression, a reinforcement-compensation mechanism for temporary adaptation to context, and a reflection mechanism that drives long-term personality evolution. This design allows the agent to maintain nuanced traits while dynamically adjusting to interaction demands and gradually updating its underlying structure. Personality alignment is evaluated using Myers-Briggs Type Indicator questionnaires and tested under diverse challenge scenarios as a preliminary structured assessment. Findings suggest that evolving, personality-aware LLMs can support coherent, context-sensitive interactions, enabling naturalistic agent design in HCI.