PlotTwist: 소규모 언어 모델을 활용한 창의적인 줄거리 생성 프레임워크

PlotTwist: A Creative Plot Generation Framework with Small Language Models

창의적인 줄거리 생성은 언어 모델에게 근본적인 과제를 제시합니다. 이는 간결한 전제를 일관성 있는 서술로 변환하는 과정이며, 이 과정에서 전체적인 구조, 캐릭터 발전, 그리고 감정적 울림을 유지해야 합니다. 최근의 대규모 언어 모델(LLM)들은 다양한 일반적인 작업에서 뛰어난 유창성을 보여주지만, 창의적인 줄거리 생성과 같은 전문 분야에서는 효과적인 성능을 내기 위해 일반적으로 선호도 조정을 거쳐야 합니다. 그러나 최첨단 LLM의 규모로 이러한 조정을 수행하는 것은 계산적으로 매우 비싸며, 이는 접근성과 실용적인 활용을 크게 제한합니다. 이러한 문제를 해결하기 위해, 우리는 PlotTwist라는 구조화된 프레임워크를 제안합니다. PlotTwist는 50억 개 이하의 활성 파라미터를 가진 소규모 언어 모델(SLM)이 최대 200배 더 큰 최첨단 시스템과 경쟁할 수 있는 고품질의, 전제 조건에 기반한 줄거리를 생성할 수 있도록 지원합니다. 우리의 접근 방식은 줄거리 생성을 세 가지 전문적인 구성 요소로 분해합니다: (1) 새로운 긍정-부정 프롬프팅 전략을 통해 훈련된 Aspect Rating Reward Model은 다섯 가지 서술 품질 차원(NQDs)에 걸쳐 구조화된 서술을 제공합니다; (2) Direct Preference Optimization을 통해 고신뢰도 선호도 쌍을 사용하여 정렬된 Mixture-of-Experts (MoE) 줄거리 생성기; (3) 인간의 비판적 판단을 모방하여 편향되지 않은 사후 평가를 수행하는 Agentic Evaluation 모듈. 광범위한 실험 결과, PlotTwist는 상당한 용량 제약에도 불구하고 여러 NQDs에서 최첨단 모델보다 일관되게 뛰어난 성능을 보였습니다. 또한, 추가적인 검증 결과, 이 프레임워크는 서술 품질에 대한 강한 민감도를 보여주며, 비평적으로 찬사를 받은 시나리오와 널리 비판받은 시나리오에서 생성된 줄거리를 안정적으로 구별할 수 있습니다. 이러한 결과들은 구조화되고 선호도 기반의 조정을 통해 고품질의 창의적인 줄거리 생성을 위한 효율적인 접근 방식이 될 수 있음을 보여줍니다.

Creative plot generation presents a fundamental challenge for language models: transforming a concise premise into a coherent narrative that sustains global structure, character development, and emotional resonance. Although recent Large Language Models (LLMs) demonstrate strong fluency across general-purpose tasks, they typically require preference alignment to perform well on specialized domains such as creative plot generation. However, conducting such alignment at the scale of frontier LLMs is computationally prohibitive, significantly limiting accessibility and practical deployment. To address this, we present PlotTwist, a structured framework that enables Small Language Models (SLMs) with $\leq$ 5B active parameters to generate high-quality, premise-conditioned plots competitive with frontier systems up to $200\times$ larger. Our approach decomposes generation into three specialized components: (1) an Aspect Rating Reward Model trained via a novel Positive-Negative prompting strategy to deliver structured narratives across five Narrative Quality Dimensions (NQDs); (2) a Mixture-of-Experts (MoE) plot generator aligned via Direct Preference Optimization on high-confidence preference pairs; and (3) an Agentic Evaluation module that emulates human critical judgment for unbiased post-hoc assessment. Extensive experiments demonstrate that PlotTwist consistently outperforms frontier models across multiple NQDs despite substantially tighter capacity constraints. Further validation confirms strong sensitivity to narrative quality, as the framework reliably distinguishes plots derived from critically acclaimed versus widely panned screenplays. Together, these results establish structured, preference-based alignment as a resource-efficient approach to high-quality creative plot generation.