Mengchen Li는 장기 페르소나 에이전트가 새 사건을 생성하면서도 익숙한 장소와 관계, 미뤄진 결정으로 되돌아가는 현상을 ‘자기고착’으로 정의하고 AutoPersonas를 제안했다. 2026년 7월 9일 arXiv에 공개된 52쪽 분량의 단독 저자 프리프린트다. 목표는 정체성의 연속성을 유지하면서 장기 시뮬레이션의 행동과 주제가 반복되는 문제를 줄이는 것이다.
AutoPersonas는 환경에서 들어오는 사건, 누적 관찰, 현재 페르소나 상태를 별도 객체로 관리한다. 새 사건이 즉시 성격이나 상태를 바꾸는 대신, 증거가 누적됐는지 검토한 뒤 변화에 흡수하도록 설계했다. 빠른 사건 포착과 느린 상태 검토를 서로 다른 시간 규모에서 수행하고, 현재 문맥이 미래 선택지를 독점하지 않도록 다양성 신호를 조절한다.
연구진은 8개 모델을 40일 동안 시험해 총 1600개 사건을 생성했다. 직접 반복 방식에서 5일 이동 창의 행동 범주 반복률은 모델별 평균 95.2~97.6%였고, 모든 모델이 11일까지 90%를 넘었다. 별도의 동일 런타임 40일 비교에서는 일부 문맥을 가리고 표본별 다양성 목표를 적용하자 거시 주제 반복률이 61.8%에서 36.3%로 내려가고 누적 주제 수가 약 두 배가 됐다고 보고했다.
측정치는 가상 환경과 저자가 정의한 행동·거시 주제 분류에 기반한다. 반복률 감소가 대화 품질, 사용자 만족, 사실성 향상을 뜻하는 것은 아니며, 다양성이 무작위 사건이나 성격 불일치로 바뀔 가능성도 있다. 압축된 3년 시뮬레이션과 허구 세계 사례가 실제 사용자와의 장기간 상호작용을 대표하는지도 검증되지 않았다.
논문은 모든 장기 에이전트의 일반 해법을 입증하기보다 상태와 사건을 분리하고 변경 근거를 기록하는 설계 가설을 제시한다. 단독 저자 프리프린트여서 독립 재현과 사용자 연구가 필요하다. 실제 관계와 기억을 다루는 서비스라면 사용자가 상태 변경의 출처를 확인·취소할 수 있어야 하며, 반복 감소와 정체성 보존을 별도 지표로 평가해야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
