GCAgent: 대화형 에이전트 시스템을 통한 그룹 채팅 커뮤니케이션 향상

GCAgent: Enhancing Group Chat Communication through Dialogue Agents System

온라인 소셜 플랫폼에서 중요한 형태인 그룹 채팅은 관심 공유나 문제 해결을 위한 인기 있는 공간이지만, 비활성 및 관리상의 어려움으로 인해 그 효과가 제한되는 경우가 많습니다. 최근의 거대 언어 모델(LLM)은 뛰어난 일대일 대화형 에이전트를 구현했지만, 이를 다자간 대화에 원활하게 통합하는 것은 아직 탐구되지 않았습니다. 이러한 간극을 메우기 위해, 우리는 엔터테인먼트 및 유틸리티 지향적인 대화형 에이전트를 통해 그룹 채팅 커뮤니케이션을 향상시키는 LLM 기반 시스템인 GCAgent를 소개합니다. 이 시스템은 세 가지 긴밀하게 통합된 모듈로 구성됩니다. 첫째, 사용자의 관심사에 맞춰 에이전트를 사용자 정의하는 에이전트 빌더, 둘째, 대화 상태를 조정하고 에이전트 호출을 관리하는 대화 관리자, 셋째, 세 가지 별도의 도구를 통해 상호 작용 장벽을 낮추는 인터페이스 플러그인입니다. 광범위한 실험을 통해 GCAgent는 다양한 기준에서 평균 4.68의 점수를 달성했으며, 기본 모델에 비해 51.04%의 경우에 더 선호되었습니다. 또한, 350일 이상의 실제 환경 배포에서 메시지 양을 28.80% 증가시켜 그룹 활동 및 참여도를 크게 향상시켰습니다. 전반적으로, 본 연구는 LLM 기반 대화형 에이전트를 일대일 채팅에서 다자간 그룹 시나리오로 확장하기 위한 실용적인 청사진을 제시합니다.

As a key form in online social platforms, group chat is a popular space for interest exchange or problem-solving, but its effectiveness is often hindered by inactivity and management challenges. While recent large language models (LLMs) have powered impressive one-to-one conversational agents, their seamlessly integration into multi-participant conversations remains unexplored. To address this gap, we introduce GCAgent, an LLM-driven system for enhancing group chats communication with both entertainment- and utility-oriented dialogue agents. The system comprises three tightly integrated modules: Agent Builder, which customizes agents to align with users' interests; Dialogue Manager, which coordinates dialogue states and manage agent invocations; and Interface Plugins, which reduce interaction barriers by three distinct tools. Through extensive experiment, GCAgent achieved an average score of 4.68 across various criteria and was preferred in 51.04\% of cases compared to its base model. Additionally, in real-world deployments over 350 days, it increased message volume by 28.80\%, significantly improving group activity and engagement. Overall, this work presents a practical blueprint for extending LLM-based dialogue agent from one-party chats to multi-party group scenarios.