연구진은 읽기 이해 문제 생성 시 LLM을 활용해 난이도 관련 특징을 조절하는 기존 방식의 한계를 극복하기 위해 MAFIG 프레임워크를 개발했어요. MAFIG는 여러 LLM 에이전트와 특징별 평가자가 협력해 의도된 제약 조건에 따라 문제를 생성하고 반복적으로 수정하는 방식이에요.
MAFIG는 목표 난이도 수준을 벗어나는 문제를 생성하는 단일 에이전트 방식의 문제점을 개선하고, 난이도가 단조롭게 증가하는 특징 제약 조건 시퀀스를 구축하는 방법을 제안했어요.
실험 결과 MAFIG는 기준 모델보다 목표 제약 조건을 훨씬 높은 비율로 만족시키며, 난이도 보정 제약 조건 시퀀스를 통해 강력한 난이도 조절 능력을 입증했어요.