축구 선수 영입을 위한 언어모델 기반 카운터팩추얼 시뮬레이션

본 논문은 축구 선수 영입 및 전술 평가에 필요한 “카운터팩추얼(가상) 시뮬레이션”을 가능하게 하는 새로운 프레임워크 ScoutGPT를 제안한다. 기존의 Expected Threat(xT), Valuing Actions by Estimating Probabilities(VAEP) 등은 관측된 이벤트에 대한 가치를 정량화하지만, 전술 교체 후 선수 행동이 어떻게 변할지에 대한 예측은 제공하지 못한다. 이러한 공백을 메우기 위해 저자들은 경기 이벤트를 언어 모델의 토큰 시퀀스로 변환하고, NanoGPT 기반의 디코더‑전용 트랜스포머를 이용해 다음 토큰을 예측하도록 학습한다. **데이터 전처리와 검증** 원시 이벤트 로그는 종종 누락·순서 오류·물리적 불가능성을 포함한다. 이를 해결하기 위해 VERSA(State‑Transition 기반 검증기)를 적용해, 누락된 Pass Received 이벤트를 삽입하고, 시간 순서를 재정렬하며, 필드 외 좌표를 교정한다. 이렇게 정제된 데이터는 논리·물리적 일관성을 보장한다. **구조적 토큰화** 각 경기 에피소드는 전역 컨텍스트 C와 이벤트 시퀀스 E로 구성된다. 컨텍스트는 라인업(11명 × 포지션·선수ID)과 경기 메타데이터를 56개의 토큰으로 고정한다. 이벤트는 10개의 원자 토큰(팀, 포지션, 행동, 시작·종료 좌표, 시간Δ, 결과 등)으로 평탄화하고, 연속 변수는 0‑105 구간으로 이산화한다. 전체 시퀀스는