본 논문은 기존의 대규모 언어 모델(LLM) 기반 역할극 방법론이 표면적인 텍스트 설명이나 단순한 지표에 의존하여 내적 및 외적 인물 특성을 제대로 모델링하지 못하고, 암묵적인 모델 지식이나 기본적인 검색 증강 생성을 통해 인물 기억을 시뮬레이션하여 기억 일관성을 저해하는 문제점을 지적합니다. 이러한 문제를 해결하기 위해, 세부적인 심리적 속성과 명시적인 기억 제어를 통합한 새로운 프레임워크인 PsyMem을 제안합니다. PsyMem은 텍스트 설명에 26가지 심리적 지표를 추가하여 인물을 상세히 모델링하고, 기억 정렬 훈련을 통해 모델이 기억과 인물의 반응을 정렬하도록 함으로써 추론 중 동적인 기억 제어 응답을 가능하게 합니다. 소설에서 추출한 5,414명의 인물과 38,962개의 대화를 포함하는 특별히 설계된 데이터셋으로 Qwen2.5-7B-Instruct를 훈련하여 PsyMem-Qwen 모델을 생성하였으며, 이 모델은 역할극에서 기존 모델보다 우수한 성능(인간과 유사성 및 인물 충실도)을 달성했습니다.
