EvolvingWorld는 인터랙티브 문학 세계에서 캐릭터와 세계의 공동 진화를 위한 프레임워크와 벤치마크를 소개하는 논문이에요. 기존 시스템은 정적인 페르소나 모방이나 분리된 장면 생성에 집중했지만, EvolvingWorld는 캐릭터와 세계가 시간에 따라 함께 진화하는 장기적인 과정을 모델링해요.
개방형 스키마 프레임워크를 채택하여 다양한 문학 세계를 지원하며, 캐릭터 에이전트와 LLM 기반 세계 모델의 두 모듈로 구성돼요. 장면 초기화, 상호작용 생성, 상태 업데이트를 위한 7가지 학습 작업을 정의하고, 57권의 책에서 추출한 데이터셋을 활용했어요.
새로운 trajectory-level LLM-as-Judge 평가 프로토콜을 통해 10가지 차원, 20가지 지표로 성능을 평가한 결과, EvolvingWorld가 장기적인 시뮬레이션을 개선하는 데 효과적임을 확인했어요.