스토리라인을 코드화된 결정 트리로부터 캐릭터 논리 도출하기

초록

역할극(RP) 에이전트는 다양한 서사적 맥락에서 일관된 행동을 보이기 위해 행동 프로필에 의존하지만, 기존 프로필은 대부분 비구조적이고 실행 불가능하며 검증이 미흡하여 에이전트 행동이 취약해지는 문제가 있습니다. 본 연구에서는 대규모 서사 데이터로부터 실행 가능하고 해석 가능한 결정 구조를 도출하는 데이터 기반 프레임워크인 '체계화된 결정 트리(CDT)'를 제안합니다. CDT는 행동 프로필을 조건부 규칙의 트리로 표현하며, 내부 노드는 검증된 장면 조건에, 잎 노드는 구체적인 행동 명제에 각각 대응되어 실행 시점에 맥락에 적합한 규칙을 결정론적으로 추출할 수 있게 합니다. 이 트리는 후보 장면-행동 규칙을 귀납적으로 도출하고 데이터를 통해 검증하며 계층적 전문화를 통해 정제하는 과정을 반복하여 학습되며, 투명한 검토와 체계적인 업데이트를 지원하는 프로필을 생성합니다. 다양한 벤치마크에서 CDT는 16개 작품에 등장하는 85개 캐릭터에 대해 인간이 작성한 프로필과 기존 프로필 귀납 방법을 크게 능가하는 성능을 보였으며, 이는 체계화되고 검증된 행동 표현이 더 신뢰할 수 있는 에이전트 정착(grounding)으로 이어짐을 시사합니다.

English

Role-playing (RP) agents rely on behavioral profiles to act consistently across diverse narrative contexts, yet existing profiles are largely unstructured, non-executable, and weakly validated, leading to brittle agent behavior. We propose Codified Decision Trees (CDT), a data-driven framework that induces an executable and interpretable decision structure from large-scale narrative data. CDT represents behavioral profiles as a tree of conditional rules, where internal nodes correspond to validated scene conditions and leaves encode grounded behavioral statements, enabling deterministic retrieval of context-appropriate rules at execution time. The tree is learned by iteratively inducing candidate scene-action rules, validating them against data, and refining them through hierarchical specialization, yielding profiles that support transparent inspection and principled updates. Across multiple benchmarks, CDT substantially outperforms human-written profiles and prior profile induction methods on 85 characters across 16 artifacts, indicating that codified and validated behavioral representations lead to more reliable agent grounding.

스토리라인을 코드화된 결정 트리로부터 캐릭터 논리 도출하기

Deriving Character Logic from Storyline as Codified Decision Trees

초록

Support