AutoWorldBuilder는 게임·문학용 가상 세계관 구축을 자동화하는 멀티 에이전트 협업 시스템이다. 충돌 감지형 개념 네트워크, DAG 기반 배치 스케줄러, 약 90% 토큰을 줄이는 4계층 컨텍스트 압축, 전담 Auditor 에이전트의 반복 검수(제안 통과율 42%→85% 이상) 등 5개 구성요소로 컨텍스트 폭증·일관성·품질보증 문제를 해결한다. GPT-OSS 120B와 DeepSeek v3.2를 백엔드로 20개 세계관 구축 과제에서 95.0% 성공률을 기록했고, 세계당 56~103개의 자기일관적 개념을 18~31분 만에 충돌 없이 생성했다. 계층별 예산 압축, 생성·검수 분리 같은 설계 패턴은 지식 집약적 멀티 에이전트 LLM 애플리케이션 전반에 적용 가능하다.
- •개념 네트워크, DAG 스케줄러, 컨텍스트 압축, 반복 검수, 스킬 기반 에이전트의 5개 구성요소 통합
- •4계층 컨텍스트 압축으로 약 90% 토큰 절감
- •Auditor 에이전트 반복 검수로 제안 통과율 42%에서 85% 이상으로 향상
- •GPT-OSS 120B·DeepSeek v3.2 기반 20개 과제에서 95.0% 성공률, 세계당 56~103개 개념을 18~31분에 무충돌 생성
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Fictional Worldbuilding: Multi-Agent LLM Collaboration with Hierarchical Context Compression and Iterative Review
- 1.멀티에이전트 세계관 구축 시스템 AutoWorldBuilder, 20개 과제서 95% 성공률
- 2.4층 컨텍스트 압축으로 토큰 약 90% 절감, Auditor 검수로 통과율 42%→85%
- 3.GPT-OSS 120B·DeepSeek v3.2 백엔드로 세계당 56~103개 개념을 무충돌 생성
왜 중요한가?
컨텍스트 폭발과 일관성 문제를 계층 압축·의미 지역성 스케줄링·생성-검수 분리로 해결한 패턴이 게임·창작을 넘어 지식집약 멀티에이전트 애플리케이션 전반에 이전 가능하다.
계층적 문맥 압축과 반복 검토를 활용한 다중 에이전트 LLM 협업 방식은 허구 세계 구축(Fictional Worldbuilding)에 혁신적인 가능성을 제시합니다. 이는 웹툰, 게임, 스토리텔링 등 창의 콘텐츠 산업이 발달한 한국 시장에 특히 큰 기회가 될 수 있습니다. AI를 활용한 콘텐츠 제작 효율성 증대와 새로운 창작 영역 발굴에 기여할 것으로 기대됩니다.
본문 미리보기
arXiv:2607.09403v1 Announce Type: new Abstract: Worldbuilding, the construction of coherent fictional worlds, is a foundational task in game design and literary creation. Large Language Models (LLMs) offer new possibilities for automated content generation, but their application to worldbuilding faces three challenges: context explosion that grows linearly with the building process, the tension between creative diversity and content consistency, and the absence of automated quality assurance. T
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
