Recon은 사용자의 행동을 모방하는 언어 모델(LM)의 추론 합성 문제를 다루는 새로운 방법론입니다. 기존 방식은 행동을 정당화하는 데 집중했지만, Recon은 행동 재구성을 통해 추론의 예측력을 평가합니다. 실험 결과, Recon은 기존 방식보다 54.7% 높은 성능을 보였습니다.
Recon으로 생성된 추론은 모델 간에 전이 가능하며, 사용자 모델링 성능을 향상시킵니다. 이는 기존의 사후 합리화 방식으로는 얻을 수 없는 결과입니다.
연구 결과, 유용한 추론은 행동을 자연스럽게 유도해야 하며, Recon은 이러한 접근 방식을 통해 사용자 모델링의 새로운 가능성을 제시합니다.