Symbolically Scaffolded Play: Designing Role-Sensitive Prompts for Generative NPC Dialogue
Created by
- Haebom
Category
Empty
저자
Vanessa Figueiredo, David Elumeze
개요
대규모 언어 모델(LLM)을 활용하여 비선형적인 대화가 가능한 NPC를 구현하는 대화형 게임의 가능성을 탐구한다. 특히, GPT-4o를 기반으로 한 음성 기반 탐정 게임 "The Interview"를 통해, 제약 조건이 있는 프롬프트가 실제로 플레이어 경험을 향상시키는지 여부를 조사한다. 실험 결과, 제약 조건의 유무가 기술적 문제 발생에 대한 민감도를 제외하고는 유의미한 경험적 차이를 보이지 않았다. 이러한 결과를 바탕으로, 하이브리드 JSON+RAG 방식을 활용하여 제약 조건을 재설계하고 LLM 심사관을 활용한 평가를 수행했다. 그 결과, 스캐폴딩(scaffolding) 효과가 역할에 따라 다르다는 것을 발견했다. 인터뷰어(퀘스트 제공 NPC)는 안정성을 얻었지만, 용의자 NPC는 즉흥적인 설득력을 잃었다. 이러한 발견을 통해, 빡빡한 제약 조건이 플레이를 향상시킨다는 가정을 뒤집고, "Symbolically Scaffolded Play"라는 새로운 프레임워크를 제안한다. 이는 상징적 구조를 퍼지하고 수치적인 경계로 표현하여 일관성을 유지하면서, 놀라움을 통해 몰입을 유지하는 부분에서는 즉흥성을 보존하는 방식이다.
시사점, 한계점
•
시사점:
◦
제약 조건이 반드시 플레이어 경험을 향상시키지 않을 수 있음을 시사한다.
◦
스캐폴딩 효과가 NPC 역할에 따라 다르게 나타날 수 있음을 보여준다.
◦
"Symbolically Scaffolded Play" 프레임워크를 통해 게임 내 NPC 대화의 유연성과 일관성을 모두 확보할 수 있는 새로운 접근 방식을 제시한다.
◦
초기 단계의 사용성 테스트를 보완하는 LLM 기반 평가 방법의 가능성을 제시한다.
•
한계점:
◦
제한된 수의 참가자($N=10$)를 대상으로 한 사용자 연구를 진행했다.
◦
특정 게임 ("The Interview") 및 GPT-4o에 국한된 연구이다.
◦
"Symbolically Scaffolded Play" 프레임워크의 실제 구현 및 효과에 대한 구체적인 내용은 제시되지 않았다.
