이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
저자는 LLM의 평균 회귀와 플레이어를 과다 만족시키는 경향 때문에 드라마가 사라지는 문제를 해결하기 위해 3d10 주사위로 생성한 벨 커브 분포를 도입했고, 그 분포에 따라 LLM이 서사적 결과를 출력하도록 설계했다. 상황 판정을 담당하는 분류기가 텍스트 상황을 분석해 유리·불리 요소에 해당하는 수정치를 산출하면 이 수정치가 주사위 합계에 적용되어 실제 서사 결과의 확률 분포가 조정된다. 출력된 서사 텍스트는 백엔드에서 구문적으로 분해되어 어떤 게임 상태 필드를 어떻게 갱신할지 결정되므로 서사와 규칙이 일관되게 동기화된다. 이 구조는 단일한 서사 결의 메커니즘으로 전투 중심의 정복 모드뿐만 아니라 다른 이야기형 모드들도 같은 규칙으로 처리할 수 있게 한다.
섹션별 상세
저자는 전통적인 무주사위(diceless) RPG에서 GM의 즉흥 판정을 좋아했던 경험을 바탕으로 LLM을 사용해 그 즉흥성을 재현하려는 목표를 세웠다. LLM 단독으로는 평균 회귀와 플레이어에게 지나치게 유리한 응답 경향 때문에 드라마가 약해지는 문제가 발생했기 때문에 이를 보완하기 위해 확률적 장치를 도입했다. 구체적으로 3개의 10면체를 굴려 얻는 합(3d10)을 사용해 중심극한에 따른 벨 커브 분포를 만들고, 이 분포가 재난에서 전설적 결과까지 연속적인 등급을 제공하도록 설계되었다.
주사위 결과를 단순한 수치 판정으로 사용하는 대신 LLM이 주사위가 지시하는 바를 서사로 표현하도록 강제함으로써 플레이어가 원치 않는 결과와 드라마가 발생하게 했다. 그 과정에서 LLM은 입력된 상황을 받아 결과 분포상 어떤 등급이 나왔는지에 맞춰 묘사 텍스트를 출력하고, 서사 텍스트는 이어서 백엔드에서 파싱되어 게임적 영향을 낳는 데이터로 환원된다. 이 방식은 성공/실패의 이진 결정이 아니라 결과의 스펙트럼을 이야기로 전개해 플레이 경험의 기복을 늘리는 효과를 만든다.
주사위 기반 결의를 현실감 있게 조정하기 위해 저자는 상황을 판단하는 분류기 요소를 추가했고, 이 분류기는 텍스트로 된 상황을 분석해 누가 유리한지 불리한지를 판정하여 주사위에 적용할 보정값을 생성한다. 보정값은 주사위 합계에 더해지거나 빼져 실제 나온 서사적 결과의 분포를 이동시키며, 이를 통해 전투·추격·암살 등 다양한 갈등 장면에서 서사의 흐름을 기계적으로 편향시킬 수 있다. 마지막으로 출력된 서사 결과를 다시 파싱해 어떤 게임 상태 필드를 어떻게 갱신할지 결정하는 백엔드 매핑을 구현해 서사와 규칙의 일관성을 유지했다.
용어 해설
- Classifier
- — 입력된 상황 텍스트를 바탕으로 어떤 쪽이 유리한지 불리한지를 판별해 주사위에 적용할 수정치를 생성하는 알고리즘적 구성요소로, 본문에서는 상황을 스캔하여 이득·불이득을 수치화해 결과 롤에 더하거나 빼는 역할로 설명된다.
- Bell Curve
- — 여러 주사위 합으로 얻어지는 중심극한적 분포를 가리키며, 본문에서는 3d10을 굴려 중간값 근처가 높은 확률을 갖는 결과 분포를 만들어 재난부터 전설급 결과까지 연속적 등급을 생성하는 핵심 확률 구조로 사용되었다.
- Narrative Resolution
- — 행동의 성공 여부와 정도를 단순 승패가 아니라 서사적 묘사로 변환하여 결과가 이야기와 게임 상태에 동시에 영향을 주게 하는 설계 원칙으로, LLM이 주사위 결과를 문장으로 표현하고 그 서사를 기계적 상태로 환원한다는 점이 핵심이다.
- Game State
- — 세계의 변수들(캐릭터의 위치·건강·소지품·세력 등)을 의미하며, 본문에서는 LLM이 만든 서사적 결과를 파싱해 어떤 게임 상태 필드를 어떻게 갱신할지 결정하는 백엔드 매핑이 게임 상태 동기화의 핵심이라고 규정된다.
- Modifier
- — 기본 주사위 결과에 더하거나 빼는 정수값으로 행동의 유리·불리 요인을 반영하며, 본문에서는 분류기를 통해 유리한 쪽에 플러스·마이너스 수치를 부여해 3d10 결과 분포를 실시간으로 보정한다.
근거 모음
근거
- 시스템은 3d10 주사위를 사용해 벨 커브 분포로 결과를 생성한다. — 본문 중간에서 3d10 벨 커브를 사용해 등급화된 결과를 만든다는 설명이 등장하는 문단 출처
기술
- LLM
활용 사례
- 서사 중심의 갈등 해소(전투·암살·정치적 음모) 시스템
- 여러 플레이 모드(정복 모드 등)를 동일한 서사 결의로 처리하는 규칙 세트
- LLM이 생성한 서사 결과를 게임 상태로 환원하는 백엔드 파이프라인
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 07. 22.수집 2026. 07. 22.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.