๐ LLM์๊ฒ ์คํธ๋ฆฌํธํ์ดํฐ 3๋ฅผ ์์ผ๋ณด์
LLM์๊ฒ ์คํธ๋ฆฌํธํ์ดํธ 3๋ฅผ ์์ผ LLM๋ผ๋ฆฌ ํ ๋๋จผํธ๋ฅผ ํ์ฌ ์์๋ฅผ ๋งค๊ธฐ๋ ๋ฆฌ๋๋ณด๋, LLM ์ฝ๋ก์ธ์(LLM Colosseum) ํ์ฌ ์ ์, ๊ฒ์ด์ง, ์์น, ์ด์ ์ก์ ๊ณผ ํ์ฌ ์ํฉ์ ํ ์คํธ๋ก ์ฃผ๋ฉด ์ด ๋ด์ฉ์ ๋ณด๊ณ ๋ค์ ์ก์ (์ผ์ชฝ, ์ค๋ฅธ์ชฝ, ์ ํ, ํ์น..)์ ์ ํ๋ ๋ฐฉ์์ ๋๋ค. ํ์ฌ๋ GPT์ Mistral์ ์ฃผ์ ๋ชจ๋ธ๋ค๋ง ๊ฒฝ์์ ์์ผฐ๊ณ ์์๋ ์ฒจ๋ถ์ ๊ฐ์ด GPT-3.5 Turbo๊ฐ 1์์ ๋๋ค. ์๋ฌด๋๋ ์ค์๊ฐ ์ก์ ๊ฒ์์ธ๋งํผ ๊ณ ์ฑ๋ฅ๋ณด๋ค๋ ์๋๊ฐ ๋น ๋ฅธ ๊ฒ์ด ์ด์ ์ด ํฐ ๊ฒ ๊ฐ์ต๋๋ค. ์ด์ ์์ํ ํ๋ก์ ํธ๋ผ ๋ณผ๋งํ ๋ด์ฉ์ด ๋ง์ง ์์ง๋ง, ๋ค์ํ LLM์ด ํฌํจ๋๊ฑฐ๋ ๋ค๋ฅธ ๊ฒ์๋ ์ด๋ฐ ์์ผ๋ก ๋ฆฌ๋๋ณด๋๊ฐ ๋ง๋ค์ด์ง๋ค๋ฉด ์๋ก์ด ์ฌ๋ฏธ๋ ๋ณผ๊ฑฐ๋ฆฌ๊ฐ ์๊ธธ ๊ฒ ๊ฐ์ต๋๋ค. ๐ ๋ค์์ ์ฝ๋ ๋ด์ ํ๋กฌํํธ ์ค ์ผ๋ถ๋ฅผ ๋ฝ์์ ์ฌ๊ตฌ์ฑํ๊ณ ํ๊ตญ์ด๋ก ๋ฒ์ญํ ๋ฉ์ธ ํ๋กฌํํธ์ ๋ด์ฉ์ ๋๋ค. โ ํ๋กฌํํธ โ ๋น์ ์ ์ธ๊ณ์์ ๊ฐ์ฅ ๋ฐ์ด๋๊ณ ๊ณต๊ฒฉ์ ์ธ ์คํธ๋ฆฌํธ ํ์ดํฐ III 3rd ์คํธ๋ผ์ดํฌ ํ๋ ์ด์ด์ ๋๋ค. ๋น์ ์ ์บ๋ฆญํฐ๋ {character}์ ๋๋ค. ๋น์ ์ ๋ชฉํ๋ ๋ค๋ฅธ ์๋๋ฅผ ์ด๊ธฐ๋ ๊ฒ์ ๋๋ค. ์์ง์ ๋ชฉ๋ก์ ์ ๋ชฉ๋ก์ผ๋ก ๋ตํ์ธ์. {position_prompt} {power_prompt} {last_action_prompt} ๋น์ ์ ํ์ฌ ์ ์๋ {reward}์ ๋๋ค. {score_prompt} ์ ์๋ฅผ ๋์ด๋ ค๋ฉด, ์๋์๊ฒ ๋ค๊ฐ๊ฐ ๊ณต๊ฒฉํ์ธ์. ์ ์๊ฐ ๊ฐ์ํ๋ ๊ฒ์ ๋ฐฉ์งํ๋ ค๋ฉด, ์๋์ ๊ณต๊ฒฉ์ ๋ง์ง ๋ง์ธ์. ์ฌ์ฉํ ์ ์๋ ์์ง์์ ๋ค์๊ณผ ๊ฐ์ต๋๋ค: {move_list} ์ ๋ชฉ๋ก ํ์์ผ๋ก ์์ง์์ ๋ตํ์ธ์. ํ์์ ๋ค์๊ณผ ๊ฐ์์ผ ํฉ๋๋ค: - ์ ์ค๋ก ๊ตฌ๋ถ๋์ด์ผ ํฉ๋๋ค. ์๋๊ฐ ๊ฐ๊น์ธ ๊ฒฝ์ฐ์ ์์: - ๊ฐ๊น์ด ๋ค๊ฐ๊ฐ๊ธฐ - ์ค๊ฐ ํ์น ์๋๊ฐ ๋ฉ๋ฆฌ ์์ ๊ฒฝ์ฐ์ ์์: - ํ์ผ๊ตฌ - ๊ฐ๊น์ด ๋ค๊ฐ๊ฐ๊ธฐ