AlphaContext: 창의성 평가를 위한 진화 기반 트리 구조의 심리 측정적 맥락 생성기

AlphaContext: An Evolutionary Tree-based Psychometric Context Generator for Creativity Assessment

창의성은 LLM(대규모 언어 모델) 시대와 인간-AI 협업 시대의 핵심 역량이 되었으며, 실제 문제 해결에서의 혁신을 뒷받침합니다. 창의성 향상을 위해서는 과학적으로 타당한 평가 도구가 필수적입니다. 심리 측정 연구에서는 맥락 기반 평가가 창의적 사고를 측정하는 효과적인 방법으로 인정받고 있습니다. 그러나 고품질의 전문가가 설계한 맥락은 여전히 부족한 상황입니다. 기존의 LLM 기반 생성기는 종종 평가에 필요한 단서 부족, 약한 내러티브 일관성, 제한적인 스타일 다양성, 그리고 창의적 사고를 위한 미흡한 지원 등의 문제점을 가지고 있습니다. 이러한 문제점을 해결하기 위해, 본 연구에서는 창의성 평가를 위한 진화 기반 트리 구조의 심리 측정적 맥락 생성기인 AlphaContext를 제안합니다. 먼저, HyperTree Outline Planner는 전문가가 설계한 개요를 규칙 기반의 하이퍼 트리로 공식화하고, 상위-하위 계층 구조의 계획을 수행합니다. MCTS(Monte Carlo Tree Search) 기반의 맥락 생성기는 MCTS를 사용하여 전체 구조와 지역적 품질의 균형을 맞추며 개요를 채웁니다. 다음으로, Evolutionary Context Optimizer는 MAP-Elites(Maximizing Agent Performance through Elite Selection)를 사용하여 맥락을 진화시키며, 틈새(niche)의 우수 개체를 반복적으로 업데이트하여 다양성과 품질을 동시에 향상시킵니다. 마지막으로, Assessment-Guided Evolution Refiner는 다양한 스타일을 가진 가상 참가자를 시뮬레이션하고, 품질이 낮은 맥락을 재활용하여 추가적인 진화를 수행합니다. 실험 결과, AlphaContext는 6가지 품질 지표에서 경쟁 모델 대비 평균 8%의 성능 향상을 보였습니다.

Creativity has become a core competence in the era of LLMs and human-AI collaboration, underpinning innovation in real-world problem solving. Crucially, the systematic improvement of creativity necessitates scientifically valid assessment instruments. Psychometric research recognizes context-based assessment as an effective way to measure creative thinking. However, high-quality expert-designed contexts remain scarce. Existing LLM-based generators often struggle with insufficient assessment cues, weak narrative coherence, limited stylistic diversity, and poor support for creative thinking. To address these challenges, we propose AlphaContext, an evolutionary tree-based psychometric context generator for creativity assessment. First, the HyperTree Outline Planner formalizes expert-designed outlining as a rule-guided hypertree and performs top-down hierarchical planning. The MCTS-based Context Generator fills the outline via MCTS to balance global structure and local quality. Then, the Evolutionary Context Optimizer evolves contexts with MAP-Elites by repeatedly updating niche elites to jointly improve diversity and quality. Finally, the Assessment-Guided Evolution Refiner simulates virtual participants with diverse styles and recycles weak contexts for further evolution. Experiments show that AlphaContext yields an average improvement of 8% over competitive methods across 6 quality metrics.