연구진은 LLM이 생성한 BPMN 프로세스 모델의 품질을 강화 학습(RL)으로 향상시키는 방법을 연구했어요. 다양한 품질 지표를 활용한 자동 평가 프레임워크를 통해 38가지 지표를 측정하며, 모델 아키텍처에 따른 보상 함수 설계의 중요성을 밝혔어요.
RL은 모델의 실용성과 구문 품질을 향상시키면서 의미적 충실도를 유지하고 출력 변동성을 6배 이상 줄여요. 특정 품질 측면에 대한 가중치를 두는 것보다 동일한 보상 가중치를 적용하는 것이 성능 향상에 효과적이었어요.
연구 결과는 다차원 품질 평가가 필요한 구조화된 생성 작업에 일반적으로 적용될 수 있으며, 구현 코드와 실험 코드는 GitHub에서 공개됐어요.