EvolvingWorld: 인터랙티브 문학 세계에서 롤플레이 에이전트와 세계 모델을 공진화하는 오픈스키마 프레임워크

초록

본 논문은 상호작용적 문학 세계에서 캐릭터와 세계의 공진화(共進化)를 위한 프레임워크이자 벤치마크인 EvolvingWorld를 소개한다. 기존 시스템은 상호작용적 문학 시뮬레이션을 정적인 페르소나 모방이나 고립된 장면 생성으로만 다루어, 시간이 지남에 따라 캐릭터와 세계가 함께 진화하는 과정을 포착하지 못했다. 이러한 문제를 해결하기 위해 EvolvingWorld는 문학 시뮬레이션을 장기적 과정으로 모델링하여, 캐릭터가 상호작용하고 장면이 전개되며 캐릭터와 세계의 상태가 지속적으로 갱신되도록 한다. 고정된 스키마에 의존하는 기존 시스템과 달리, EvolvingWorld는 오픈 스키마 프레임워크를 채택하여 다양한 문학 세계에서의 시뮬레이션을 지원한다. 이 프레임워크는 두 개의 결합 모듈로 구성된다: 다중 캐릭터 역할극과 지속적 프로필 진화를 위한 캐릭터 에이전트, 그리고 전역 및 위치/개체 수준의 상태 유지와 장면 전개를 담당하는 LLM 기반 월드 모델이다. 이 아키텍처를 바탕으로 장면 초기화, 상호작용 생성, 상태 갱신을 위한 7가지 학습 가능한 과제를 설계한다. 57권의 책에서 데이터셋을 구축하여 138,596개의 지도 학습 훈련 샘플과 222개의 테스트용 스냅샷을 생성한다. 또한 10개 차원과 20개 지표를 포함하는 궤적 수준의 LLM-as-Judge 평가 프로토콜을 도입한다. 실험 결과, EvolvingWorld는 지속적이고 일관된 캐릭터 및 세계 발전을 효과적으로 유지함으로써 장기적 시뮬레이션을 개선할 수 있음을 보여준다.

English

This paper introduces EvolvingWorld, a framework and benchmark for character and world co-evolution in interactive literary worlds. Existing systems either treat interactive literary simulation as static persona imitation or isolated scene generation, failing to capture how characters and worlds evolve together over time. To address this, EvolvingWorld models literary simulation as a long-horizon process where characters interact, scenes progress, and character and world states are persistently updated. Unlike prior systems relying on fixed schemas, EvolvingWorld adopts an open-schema framework to support simulation across diverse literary worlds. The framework consists of two coupled modules: a Character Agent for multi-character role-play and persistent profile evolution, and an LLM-based World Model for global and location/entity-level state maintenance and scene progression. Based on this architecture, we formulate 7 trainable tasks for scene initialization, interaction generation, and state update. We construct a dataset from 57 books, producing 138,596 supervised training samples and 222 snapshots for testing. Furthermore, we introduce a trajectory-level LLM-as-Judge evaluation protocol spanning 10 dimensions and 20 metrics. Experiments show that EvolvingWorld can improve long-horizon simulation by effectively maintaining persistent, coherent character and world development.