EvolvingWorld: 인물과 세계가 함께 진화하는 문학 시뮬레이션

대화형 서사 시스템은 한 번의 응답은 그럴듯해도, 앞뒤 맥락을 오래 유지하는 데 약한 경우가 많다. EvolvingWorld는 이런 한계를 문학 세계 자체의 관점에서 다룬다. 즉, 캐릭터는 상호작용 속에서 변하고, 장소와 사건도 누적된 상태로 남아야 한다는 점을 핵심 전제로 삼는다.

핵심 아이디어

• 오픈 스키마: 고정된 세계 구조에 묶이지 않아 다양한 작품 설정을 수용하기 쉽다.
• 이중 구성: 다중 캐릭터 역할극과 프로필 진화를 담당하는 Character Agent, 전역 및 지역 상태를 관리하는 World Model.
• 장기 전개 모델링: 장면 하나가 아니라 이야기의 흐름 전체를 추적한다.
• 7개 학습 과제: 장면 초기화, 상호작용 생성, 상태 갱신을 분리해 학습한다.

데이터와 평가

이 연구는 57권의 책을 바탕으로 데이터셋을 만들었고, 138,596개의 지도 학습 샘플과 222개의 테스트 스냅샷을 구성했다. 평가도 단일 응답 중심이 아니라 궤적 전체를 보는 LLM-as-Judge 방식으로 설계했으며, 10개 차원과 20개 지표를 사용한다. 장기 서사에서는 한 번의 문장보다 전체 흐름의 일관성이 더 중요하기 때문이다.

왜 중요한가

이 작업은 역할극 에이전트와 월드 모델링을 한 프레임 안에서 연결한다는 점에서 의미가 크다. 단순히 말을 잘하는 모델이 아니라, 앞선 사건을 기억하고 이후 전개를 자연스럽게 이어 가는 모델이 필요하다는 점을 보여준다. 이는 인터랙티브 소설, 서사형 에이전트, 가상 캐릭터 시스템에 직접적인 시사점을 준다.

결국 핵심은 생성 품질만이 아니라 기억, 상태 관리, 장기 일관성이다. EvolvingWorld는 그 문제를 데이터와 평가 체계까지 포함해 다루려는 시도라고 볼 수 있다.

출처: Hugging Face Daily Papers