NYPC 참가 타임라인

예선 기간 동안 우리 팀은 RTS 형태의 게임 규칙을 분석하고, 여러 전략 봇을 만들고, 중간 평가 로그를 다시 읽으며 계속 방향을 바꿨다. 이 글은 그 과정을 날짜별로 남긴 참가 타임라인이다.

Before Timeline

NYPC 마스터트랙과 NEXT NATION

NYPC 마스터트랙은 단순히 정답 코드를 한 번 제출하는 방식보다, 주어진 게임 규칙을 이해하고 전략을 설계한 뒤 봇의 행동을 개선해 나가는 데 초점이 맞춰진 트랙이었다. 이번 예선 문제인 NEXT NATION은 턴 단위로 진행되는 RTS형 전략 게임에 가까웠고, 참가자는 매 턴 전사를 훈련하거나 이동시키고, 거점을 건설하거나 업그레이드하며 상대보다 더 안정적인 전장을 만들어야 했다.

맵에는 본부와 여러 거점이 있고, 거점을 확보하면 금화를 생산할 수 있다. 금화는 전사 훈련, 이동, 건설, 업그레이드에 쓰이며, 전사는 공격 병력이자 거점 노동 인력이 된다. 그래서 초반 거점 확장, 중앙 거점 장악, 본부 업그레이드, 러시 대응, 방어 병력 배치가 모두 서로 연결된 판단이 된다. 한쪽 로직을 강화하면 다른 로직이 무너질 수 있었고, 실제로 우리는 로그를 보며 공격, 방어, 경제, 경로 예측 사이의 균형을 계속 다시 잡아야 했다.

NYPC 마스터트랙 설명 영상 보기

6/29

룰 분석과 첫 전략 분화

NEXT NATION에 대한 이해도가 낮았기 때문에 첫날은 핵심 룰 분석에 집중했다. 이후 각자의 LLM에 룰을 입력하고, 경제형 전략, 성장형 전략, 러시 전략처럼 서로 다른 방향의 봇을 만들기 시작했다.

거점 수 차이가 누적 금화 차이로 이어진다는 점, 정중앙 거점의 중요성, 건물 방어가 상대적 금화 이득을 만든다는 점을 확인했다. 기지 건설 후 흑자 전환 시점을 기준으로 상대 기지를 파괴하는 전략도 구상했다.

6/30

첫 8승 봇과 로그 분석 방식의 변화

중간 평가 로그를 참고하며 넥슨 봇 상대 8승을 첫 목표로 잡았다. 초반 거점 확보, 상대 기지 탈취, 유동적인 수비를 실험했고, 건물 하나와 전사 한 명이 있는 거점은 전사 세 명으로 점령 가능하다는 사실을 전략에 반영했다.

#32620 6월 30일 오후 3시

상대의 전투 병력 머릿수와 도착 턴을 기준으로 수비를 조정하는 경제형 봇을 제출했다. 공격 시에는 건물 레벨과 상주 병력을 금화 가치로 환산해 판단했다.

#35107 6월 30일 오후 8시

Codex에게 단순히 모델 제작을 맡기는 방식은 WA와 이상 동작을 만들었다. 이후 룰과 로그 해석법을 마크다운으로 정리하고, 직접 로그의 턴과 문제점을 지적하는 방식으로 성능을 개선했다.

7/1

내부 테스트와 방어 로직 실험

러시 모델에 대한 저항성을 높이기 위해 내부 CLI 테스트를 본격적으로 활용했다. 서로의 봇끼리 대전하며 넥슨 봇 상대에서는 얻기 어려웠던 패배 원인을 수집했고, 맵 크기에 따른 승률 변화도 확인했다.

#40655 7월 1일 오후 1시

경제형 봇이 상대 전사의 합류를 인지하지 못하는 문제를 해결하기 위해 매 턴 상대 거점 주변 한 칸의 전투력을 합산했다. 중간 평가에서는 557팀 중 21위를 기록했다.

7/2

외곽 공격과 상위권 전략 재해석

상위권 팀의 전략을 관찰하며, 중앙에 병력을 모은 뒤 밀도가 낮은 외곽 거점을 순회하며 타격하는 모델을 개발했다. 동시에 초반 2거점 후 전사 5명을 모아 공격하는 전략을 벤치마킹했다.

#47806 7월 2일 오전 3시

기존 경제형 봇의 장점을 살리면서 상대 진영 외곽을 공격하는 모델을 제출했다. LLM이 기존 로직을 그대로 가져오는 한계를 느끼며, 지휘체계를 직접 이해하고 신중히 코드를 추가했다.

#49903 7월 2일 오후 12시

목표 고정, 집결 기준, 초반 병력 생산 속도를 수정했다. 한 목표에 병력을 집중해 상대 본부에 압박을 가하는 방향으로 개선했고, 팀 내 최고 성적인 15위를 기록했다.

7/3

객체지향 컨트롤러와 유지보수 문제

상위권 로그를 확보하면서 기존 바이브 코딩 기반 봇의 허술함이 드러났다. 조건문을 계속 덧대는 방식 대신 관측, 경제, 공격, 방어 시스템을 나누는 객체지향 컨트롤러 개념을 적용하기 시작했다.

#58894 7월 3일 오후 1시

경제형 봇 개선 버전이 700팀 중 32위를 기록했다. 그러나 금화 사용 로직이 충돌하며 WA가 발생했고, 공격/방어 로직의 함수화를 시도했다.

#62539 7월 3일 오후 8시

관측 시스템, 경제 시스템, 공격 및 방어 시스템을 분리한 컨트롤러 모델을 제출했다. 로그 기반 개선을 거쳐 19위에 도달했다.

7/4

갈라파고스화

내부 테스트를 반복하면서 개선 방향이 내부 봇에게만 유리하게 흘렀다. 경제형 봇은 한때 상위권을 유지했지만, 4일 15시 중간 평가에서 747팀 중 115위로 크게 하락했다.

#67492 7월 4일 오전 11시

WA를 해결하고 내부 테스트에서 좋은 결과를 냈지만, 실제 중간 평가와는 다른 결과가 나왔다. 내부 테스트에 과하게 맞춰진 로직을 제거하기로 결정했다.

이 시점의 키워드는 갈라파고스였다. 고립된 내부 테스트 환경이 독특한 생태계를 만들었고, 그 안에서만 강한 봇이 되어가고 있었다.

7/5

전략 선택과 러시형 봇의 마지막 개선

팀 내부 회의 끝에 내부 테스트에 대한 맹신을 줄이고, 남은 중간 평가를 통해 실제 로그를 수집하기로 했다. 오전, 오후, 밤 평가에서 각 봇의 한계가 드러났고, 포기할 전략과 밀어붙일 전략을 구분해야 했다.

#77166 7월 5일 오후 3시

러시형 봇의 최종 수정 버전이다. 상대 본진에 가까운 거점을 먼저 파괴하면 승률이 상승한다는 로그를 바탕으로 목표 산정 기준을 조정했고, 833팀 중 48위를 기록했다.

#80882 7월 5일 오후 11시

초반 중앙 거점 확장과 병력 집결 후 본진 공격을 원칙으로 한 급습 전략을 제출했다. 방어 로직에서는 본부와 근처 거점 경보가 중첩되어 병력이 분산되는 문제가 있었다.

7/6

방어 경로 예측의 한계

급습 전략은 방어 로직을 개선해 오전 중간 평가에서 826팀 중 99위를 기록했다. 하지만 상대의 최종 도착 지점을 정확히 특정하지 못하는 문제는 계속 남았다.

다익스트라 알고리즘을 활용해 방어 경로 예측을 시도했지만, 분기점 이전에는 목표를 확신할 수 없는 상황이 많았다. 결국 모든 상황을 완벽히 예측하는 것은 운의 영역이 섞인 문제라고 판단했다.

7/7

경제형 봇으로 다시 기회가 열리다

러시형 봇이 48위에서 217위로 떨어지며 다시 위기를 맞았다. 그러나 내부 테스트로 오염되기 전 버전으로 돌아가 개선한 경제형 봇이 876팀 중 11위를 기록하면서 팀은 다시 경제형 봇에 집중하기로 했다.

#94157 7월 7일 오후 2시

경제형 봇은 방어 우선순위가 업그레이드 로직을 삼키는 문제가 있었다. 방어 로직을 정리하고 다익스트라 기반 경로 예측만 남기는 방향으로 개선했다.

7/8

최종 제출

11위를 기록했던 버전을 다시 제출했을 때는 28위로 하락했다. 최종 평가는 상위 100팀이 여러 번 대결하기 때문에, 더 안정적인 버전이 필요하다고 판단했다.

#104693 7월 8일 오후 2시

다익스트라 기반 공격 목표 예측을 도입한 모델을 제출했다. 오후 9시 중간 평가에서는 84위를 기록했지만, 패배 원인이 본부 레벨 차이로 명확히 좁혀졌다.

마지막에는 본부 업그레이드 로직을 수정해 최종 제출 버전을 만들고 대회를 마무리했다.

후기

게임에 대한 관심, RTS 전략 수립, 로그라는 객관적 데이터를 통한 분석은 다른 공모전에서 찾기 힘든 재미였다. 가장 아쉬웠던 점은 제한된 중간 평가 횟수 안에서 네 명이 각자의 전략을 충분히 검증하기 어려웠다는 점이다.

내부 테스트의 갈라파고스화도 큰 교훈이었다. 내부 봇에게만 강한 방향으로 개선되면 실제 평가에서는 무너질 수 있었다. 다시 기회가 온다면 전략 수를 줄이고, 취약한 상대를 재현해 완성도를 높이는 방식으로 접근할 것이다.

LLM은 유용했지만 한계도 분명했다. 추상적인 요구는 의도와 다른 구현으로 이어졌고, 충돌하는 로직을 끝까지 찾아내는 일은 결국 사용자의 몫이었다. 동시에 반복적인 수정 끝에 원하는 결과에 가까워질 수 있다는 점에서 LLM의 양면성을 크게 느꼈다.