장편 소설을 쓰는 작가들은 방대한 스토리 속에서 인물들의 비밀, 사건의 선후 관계, 관계 변화 등 복잡한 서사 상태를 기억하고 관리하는 데 어려움을 겪습니다. 기존의 일반적인 정보 검색 시스템이나 AI 에이전트 메모리 시스템은 단순히 사실이나 개체를 저장할 뿐, 서사학적(narratological) 구조를 이해하지 못해 작가들의 다단계 질문에 제대로 된 답을 제공하지 못했습니다. 이러한 문제를 해결하기 위해, 서사학에 기반한 작가용 기억 시스템인 'NWM(Narrative World Model)'이 새롭게 제안되었습니다.
NWM은 서사학적 관점에서 시간적 상태 그래프(typed temporal-state graph)를 구성하고, 질의 조건부 하이브리드 검색(query-conditioned hybrid retrieval) 방식을 결합하여 작동합니다. 이는 누가 언제 비밀을 알게 되었는지, 특정 사건이 서술보다 먼저 일어났는지, 설정이 제대로 회수되었는지, 인물 관계가 어떻게 변했는지와 같은 복잡한 질문에 정확하게 답할 수 있도록 설계되었습니다. 연구팀은 NWM의 성능을 측정하기 위해 기존의 강력한 시간적 지식 그래프 에이전트 메모리 프레임워크인 '그래피티/젭(Graphiti/Zep)'과 비교 평가를 진행했습니다. 그 결과, NWM은 다단계 서사학적 질문-응답(QA) 벤치마크에서 기존 시스템들을 크게 능가하는 우수한 성능을 보였습니다.
NWM의 핵심 강점은 단순한 정보 추출 능력보다는 서사학에 기반한 독창적인 표현 방식에 있습니다. 이는 그래프 크기나 추출기 품질에 의존하는 것이 아니라, 서사 구조를 이해하고 질문에 맞춰 정보를 검색하는 방식 덕분입니다. 이 기술은 장편 소설 작가들이 복잡한 플롯과 캐릭터 아크를 일관성 있게 유지하고, 창작 과정에서 발생하는 인지 부하를 줄이는 데 혁혁한 기여를 할 것입니다. 궁극적으로는 작가들이 더욱 몰입하여 창의적인 작업에 집중할 수 있도록 돕고, 고품질의 장편 소설 창작을 촉진하는 중요한 도구가 될 잠재력을 가지고 있습니다.