BookWorld 논문 리뷰: 소설 세계관을 그대로 옮긴 LLM 다중 에이전트 시뮬레이션의 구조와 평가

핵심 메시지

• BookWorld는 새 인물을 지어내는 대신 기존 소설의 캐릭터와 세계관을 그대로 끌어와 다중 에이전트 사회로 재현하려는 시도다.
• 등장인물은 각각 롤 에이전트가 되고, 지리·규범·사건 진행 같은 배경은 월드 에이전트가 따로 맡아 세계관의 일관성을 지킨다.
• 시뮬레이션은 소설 한 챕터에 해당하는 '장면(scene)' 단위로 쪼개 진행되며, 장면마다 관련된 인물만 골라 라운드를 돌린다.
• 발표자는 다섯 가지 평가 지표가 제시됐지만 각 지표를 어떻게 정량화했는지는 논문에 분명히 나오지 않는다고 지적했다.

쉽게 이해하기

딥러닝 논문읽기 모임에서 발표자 박민건 씨가 소개한 논문은 'BookWorld: From Novels to Interactive Agent Societies for Creative Story Generation'이다. 중국 푸단대 연구진의 결과물로, 해리 포터나 반지의 제왕처럼 이미 존재하는 소설의 인물들이 살아 움직인다면 어떤 이야기가 만들어질지를 실제로 구현해 본 연구다. 발표는 이 논문이 기존 LLM 에이전트 연구의 한계를 어디서 짚었는지부터 출발한다.

앞선 연구의 대표 격은 2023년의 제너레이티브 에이전트다. 25명 남짓한 LLM 에이전트에게 성격을 부여하고 '발렌타인 파티를 열라'는 목표 하나만 주었더니, 에이전트들이 스스로 초대장을 돌리고 약속을 잡는 복잡한 상호작용을 만들어냈다. 다만 이때의 페르소나는 실험을 위해 연구자가 임의로 설정한 것이고, 무대도 큰 세계관이 아니라 짧은 에피소드 안에 갇혀 있었다는 것이 발표자의 정리다.

BookWorld는 이 지점을 파고든다. 책 텍스트를 넣으면 프롬프트로 등장인물 프로필, 관계, 지리 설정, 사회적 규범 같은 정보를 추출해 각 인물을 롤 에이전트로 만든다. 롤 에이전트는 프로필과 관계처럼 잘 변하지 않는 정적 속성과, 목표처럼 이야기 도중 계속 갱신되는 동적 속성을 함께 갖는다. 여기에 세계 전체를 관리하는 월드 에이전트가 지도와 설정값을 들고 있으면서 인물 간 대화를 제외한 거의 모든 진행과 사건 발생을 담당한다.

시뮬레이션은 통째로 돌리지 않고 극작 이론에서 빌려온 '장면' 단위로 쪼갠다. 각 장면에서는 그 장면에 관련된 인물만 활성화하고, 장면을 다시 여러 라운드로 나눠 라운드마다 가장 중요한 인물 한 명이 계획을 세우고 동적 속성을 갱신한다. 필요할 때 월드 에이전트에 요청해 지도나 상황을 바꾸고, 마지막에는 전체 결과를 소설 문체의 줄글로 재구성한다. 이 줄글은 다음 실행의 초기화 입력으로 다시 쓰인다.

이야기 생성 모드는 두 가지다. 시나리오만 주고 인물들이 알아서 전개하게 두는 자유 모드와, 큰 흐름은 따라가게 하는 스크립트 모드다. 평가는 프롬프트만 주고 LLM에 바로 시키는 방식, 스토리 생성에 특화된 기존 프레임워크, 그리고 BookWorld를 비교하는 식으로 진행됐고 LLM 평가자와 소설을 좋아하는 사람 다섯 명의 평가를 함께 사용했다.

주요 인사이트

• 월드 에이전트를 별도로 두는 설계는 '세계 상태'를 인물의 기억에서 분리해 관리하겠다는 뜻이다. 인물마다 기억이 어긋나 세계관이 무너지는 문제를 구조로 막으려는 접근이다.
• 장면 단위 분할은 성능 실험에서도 핵심으로 확인됐다. 발표자에 따르면 장면 모드를 끄면 모든 측면에서 품질이 떨어졌고, 환경 출력을 없앴을 때는 몰입감이 크게 떨어지되 줄거리 자체에는 큰 영향이 없었다.
• 오픈소스 모델이 상대적으로 불리했던 이유로 구조화된 출력 처리와 중국어 데이터 처리 능력이 지목됐다. 같은 프레임워크라도 어떤 모델을 쓰느냐에 따라 결과가 갈린다는 뜻이다.
• 발표자는 몰입감·일관성·문장 완성도 같은 평가 항목 자체가 모호하고 측정 방법이 명시되지 않았다는 점을 솔직하게 한계로 짚었다. 창작 품질을 재는 지표 설계가 이 분야의 미해결 과제로 남아 있다.

자주 묻는 질문

관련 AI 소식