연구진은 다중 턴 툴 콜링 에이전트의 성능을 제한하는 전체 경로 모방 문제를 해결하기 위해 DART-SD 프레임워크를 제안했어요.
DART-SD는 성공 및 실패 경로의 다이아몬드 토폴로지를 정확하게 반영하는 ISTG(Interaction-State Transition Graph)를 모델링하고, Critical Topological Breakpoint(CTB)를 식별하여 복구 레퍼런스를 검색해요.
CTB 기반의 국소적 지도 학습을 통해 훈련 손실을 복구 단계에만 집중하고, 유효한 추론 과정을 보호하여 기존 방식보다 성능을 크게 향상시켰어요.