LLM 기반 디지털 트윈으로 짧은 동영상 플랫폼 정책 평가

초록

본 논문은 짧은 동영상 플랫폼의 복합적인 피드백 루프와 인간‑인‑루프 특성을 그대로 재현하는 디지털 트윈을 제안한다. 사용자·콘텐츠·상호작용·플랫폼 네 개의 모듈식 트윈과 이벤트‑드리븐 실행 레이어를 통해 정책을 플러그인 형태로 삽입하고, 필요 시 LLM을 스키마‑제한된 의사결정 서비스로 연동한다. 이를 통해 장기·분포적 결과를 포함한 정책의 반사실적 평가가 가능하도록 설계되었다.

상세 분석

이 논문은 짧은 동영상 플랫폼이 “폐쇄‑루프, 인간‑인‑루프” 시스템이라는 근본적인 특성을 강조한다. 즉, 플랫폼 정책이 사용자와 크리에이터의 행동을 변화시키고, 그 행동 변화가 다시 정책 적용에 영향을 미치는 순환 구조가 존재한다. 이러한 구조는 전통적인 A/B 테스트나 로그 기반 오프라인 추정 방법으로는 장기적인 균형점이나 분포적 영향을 정확히 포착하기 어렵게 만든다. 특히 AI‑기반 도구(예: 자동 캡션, 트렌드 예측, 크리에이터 어시스턴트)가 도입되면 피드백 루프가 더욱 가속화되고, 정책 변화에 대한 시스템 전반의 반응을 실시간으로 추적·검증하기가 어려워진다.

논문이 제시하는 해결책은 “네‑트윈” 아키텍처와 이벤트 버스를 결합한 디지털 트윈이다.

1. User Twin – 정적 속성(인구통계, 크리에이터 등급)과 동적 선호 벡터(50 차원)를 보유하고, 메모리 메커니즘(단기·장기 기억, 망각 곡선)을 통해 시간에 따라 선호가 진화한다.
2. Content Twin – 실제 영상이 아닌 추상화된 피처 프로파일로 콘텐츠를 표현해 저장·처리 비용을 크게 낮춘다. 콘텐츠 생성 시 LLM을 활용해 캡션·키워드·트렌드 라벨을 자동 생성한다.
3. Interaction Twin – 사용자와 콘텐츠 사이의 노출·클릭·공유·댓글 등 행동을 이벤트 형태로 기록하고, 이를 기반으로 사용자 선호와 콘텐츠 인기도를 업데이트한다.
4. Platform Twin – 정책 모듈(추천 로직, 노출 단계, 트렌드 추적, 거버넌스 등)을 플러그인 형태로 구현하고, 정책 교체·파라미터 조정만으로 반사실 실험을 수행한다.

이 네 트윈은 이벤트 버스를 통해 서로 통신한다. 이벤트는 23가지 타입으로 정의돼 “User → Interaction → Content → Platform” 순환을 명시적으로 모델링한다. 이벤트 로그는 재현성을 위해 append‑only 형태로 저장되며, 시뮬레이션 시간은 오케스트레이터가 제어한다.

LLM 통합은 통합 옵티마이저 서비스를 통해 이루어진다. 플랫폼 트윈이 스키마‑제한된 요청(예: “persona‑generation”, “caption‑generation”, “trend‑prediction”)을 옵티마이저에 전달하면, 해당 LLM이 반환한 구조화된 결과를 즉시 이벤트 핸들러에 삽입한다. 이렇게 하면 LLM 호출을 필요에 따라 선택적으로 사용하면서도 비용·지연을 중앙에서 관리할 수 있다.

기존 OASIS와의 비교에서도 차별점이 명확하다. OASIS는 대규모 에이전트와 추천 시스템을 결합했지만, 정책 인터페이스가 제한적이고 트렌드·프로모션·모더레이션 같은 핵심 레버를 정교히 모델링하지 못한다. 또한 LLM 기반의 의미론적 풍부성을 활용하지 않아 사용자·콘텐츠의 정교한 행동 변화를 재현하기 어렵다. 본 논문의 디지털 트윈은 (1) 정책 모듈을 명시적·파라미터화된 컴포넌트로 제공, (2) LLM을 의미론적 생성·예측에만 국한하지 않고 옵티마이저를 통해 전역적으로 관리, (3) 이벤트‑드리븐 구조로 폐쇄‑루프 피드백을 정확히 추적한다는 점에서 우수하다.

하지만 몇 가지 한계도 존재한다. 첫째, 콘텐츠를 추상 피처로 대체함으로써 시각적·음향적 요소가 정책 효과에 미치는 영향을 완전히 포착하지 못한다. 둘째, LLM 호출 비용과 지연을 실제 프로덕션 수준으로 스케일링하려면 비용‑거버넌스와 캐시 전략이 추가로 필요하다. 셋째, 현재 설계는 정책 교체 시 “다른 트윈은 고정”이라는 가정을 두고 있어, 정책 변화가 사용자·콘텐츠 구조 자체에 미치는 장기적 구조 변화를 완전히 모델링하지 못한다. 향후 연구에서는 멀티‑모달 콘텐츠 모델링, 비용‑효율적인 LLM 서빙, 그리고 정책‑유도 구조 변화를 포괄하는 메타‑시뮬레이션 레이어를 도입할 여지가 있다.

전반적으로 이 논문은 짧은 동영상 플랫폼의 복잡한 동태를 디지털 트윈으로 재현하고, LLM을 선택적으로 활용해 정책 평가의 현실성을 크게 높인 혁신적인 프레임워크를 제시한다.