논문
RSIGame: Autonomous Agentic Game Development with Recursive Self-improvement
재귀적 자기 개선 루프를 통해 게임의 품질을 지속적으로 높이고 성공 경험을 모델에 내재화하는 자율 에이전트 프레임워크
논문이 다루는 내용
최근 LLM을 활용한 자동 게임 생성 기술이 발전하고 있으나, 단순 반복 개선 방식은 과적합이나 버그 발생 등의 문제를 겪습니다. 본 논문은 이를 해결하기 위해 재귀적 자기 개선(Recursive Self-improvement)을 지원하는 RSIGame 프레임워크를 제안합니다. RSIGame은 로컬 루프(탐색-진단-개선)와 글로벌 루프(품질 추적 및 회귀 방지)라는 두 가지 상호 보완적인 루프로 개발 과정을 관리합니다. 또한, 성공적인 개발 경험을 생성 모델에 학습시켜 성능을 내재화하는 방식을 도입했습니다. 실험 결과, RSIGame은 다양한 엔진과 태스크에서 기존 모델의 원샷 성능을 상회하는 높은 게임 품질을 달성했습니다.
핵심 결과
-
로컬(탐색/진단/개선) 및 글로벌(품질 관리/회귀 방지) 루프의 이중 구조 설계
-
에볼루션 체크리스트를 통한 증거 기반의 점진적 게임 개선
-
성공적인 개발 경험을 모델에 내재화하여 생성 효율성 및 품질 극대화
실무에서 볼 만한 점
단순한 코드 생성을 넘어, 에이전트가 스스로 테스트하고 버그를 수정하며 품질을 관리하는 자율형 개발 워크플로우의 가능성을 보여줍니다.
읽을 때 확인할 점
-
에이전트 기반의 반복적 코드 수정 루프(Iterative Refinement) 구조 설계 실험
-
테스트 케이스 기반의 체크리스트 자동 생성 및 관리 로직 구현
-
모델 파인튜닝과 에이전트 루프 간의 시너지 효과 검증