LLM 성능보다 Relationship Architecture를 통한 페르소나 일관성 확보

Context

고성능 LLM 기반의 AI 컴패니언이 사용자의 정서적 압박에 즉각적으로 굴복하여 관계의 개연성을 상실하는 문제 발생. 단순한 모델 업그레이드로는 해결 불가능한 제품 설계 차원의 관계 평면화 현상 분석.

Technical Solution

• Static Persona 방식의 단순 프롬프트 주입 대신 Relationship Architecture 레이어 도입
• 관계의 속도(Pacing)와 경계(Boundaries)를 제어하는 상태 관리 로직 구현
• 상호작용 이력(Interaction History)을 기반으로 유저의 행동 패턴을 추적하는 상태 머신 설계
• 모델의 유창성보다 사회적 위치(Social Position) 유지에 우선순위를 둔 제어 레이어 적용
• 유저의 투자 정도에 따라 반응의 온도를 차등 적용하는 Social Selectivity 로직 구현