論文の概要: Collective Critics for Creative Story Generation

• arxiv url: http://arxiv.org/abs/2410.02428v1
• Date: Thu, 3 Oct 2024 12:21:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 03:20:51.340182
• Title: Collective Critics for Creative Story Generation
• Title（参考訳）: 創造的ストーリー生成のための集合的批評
• Authors: Minwook Bae, Hyounghun Kim,
• Abstract要約: 創造的ストーリー生成フレームワーク(CritiCS)のための集合的批評を提案する。 CritiCSはプラン精錬段階(CrPlan)とストーリー生成段階(CrText)からなる。 各ステージにおいて、LCMの批評家と1人のリーダーのグループが、複数のラウンドを通じて計画とストーリーの段階的なドラフトを作成します。
• 参考スコア（独自算出の注目度）: 9.249662593315541
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating a long story of several thousand words with narrative coherence using Large Language Models (LLMs) has been a challenging task. Previous research has addressed this challenge by proposing different frameworks that create a story plan and generate a long story based on that plan. However, these frameworks have been mainly focusing on maintaining narrative coherence in stories, often overlooking creativity in story planning and the expressiveness of the stories generated from those plans, which are desirable properties to captivate readers' interest. In this paper, we propose Collective Critics for Creative Story Generation framework (CritiCS), which is composed of plan refining stage (CrPlan) and story generation stage (CrText), to integrate a collective revision mechanism that promotes those properties into long-form story generation process. Specifically, in each stage, a group of LLM critics and one leader collaborate to incrementally refine drafts of plan and story throughout multiple rounds. Extensive human evaluation shows that the CritiCS can significantly enhance story creativity and reader engagement, while also maintaining narrative coherence. Furthermore, the design of the framework allows active participation from human writers in any role within the critique process, enabling interactive human-machine collaboration in story writing.
• Abstract（参考訳）: LLM(Large Language Models)を用いた物語コヒーレンスによる数千語の長文生成が課題となっている。 従来の研究は、ストーリープランを作成し、その計画に基づいて長いストーリーを生成する様々なフレームワークを提案することで、この問題に対処してきた。 しかし、これらの枠組みは主に物語における物語の一貫性の維持に重点を置いており、しばしばストーリープランニングにおける創造性や、読者の関心をつかむのに望ましい特性であるストーリーの表現性を見落としている。 本稿では,計画修正段階(CrPlan)とストーリー生成段階(CrText)からなる創造的ストーリー生成のための集合的批評フレームワーク(CritiCS)を提案する。 具体的には、各ステージにおいて、LLM批評家と1人のリーダのグループが協力して、複数のラウンドを通じて計画とストーリーのドラフトを段階的に洗練します。 広範囲にわたる人的評価は、CritiCSが物語の創造性と読者のエンゲージメントを著しく向上させつつ、物語のコヒーレンスを維持していることを示している。 さらに、このフレームワークの設計は、批評プロセスにおけるあらゆる役割において、人間の作家の積極的な参加を可能にし、ストーリーライティングにおける対話的な人間と機械の協調を可能にする。

関連論文リスト

• Crafting Narrative Closures: Zero-Shot Learning with SSM Mamba for Short Story Ending Generation [0.0]
  作家たちは創造的なブロックの瞬間に遭遇し、物語の進行路が曖昧になる。 この論文は、革新的なソリューションとして、与えられたプロンプトに基づいてストーリーを完成させるツールを提供することによって、そのような状況に対処するように設計されている。 短いストーリープロンプトを入力することで、ユーザーは1文以上で説明されたストーリーの結論を受け取ることができ、それによってAI駆動の創造性によってストーリーテリングプロセスが強化される。
  論文  参考訳（メタデータ） (2024-10-04T18:56:32Z)
• Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
  本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。 エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
  論文  参考訳（メタデータ） (2024-10-03T15:44:42Z)
• A Character-Centric Creative Story Generation via Imagination [15.345466372805516]
  我々はCCI(Character-centric Creative Story Generation via Imagination)と呼ばれる新しいストーリー生成フレームワークを紹介する。 CCIは創造的ストーリー生成のための2つのモジュール、IG(Image-Guided Imagination)とMW(Multi-Writer model)を備えている。 IGモジュールでは,文字や背景,メインプロットといった重要なストーリー要素を視覚的に表現するために,テキスト・ツー・イメージモデルを利用する。 MWモジュールはこれらのストーリー要素を使用して複数のペルソナ記述候補を生成し、ストーリーに挿入する最適なストーリーを選択することにより、物語の豊かさと深さを高める。
  論文  参考訳（メタデータ） (2024-09-25T06:54:29Z)
• Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
  本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。 我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。 また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2024-09-20T14:56:33Z)
• ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context [50.572907418430155]
  既存の自動回帰手法は、メモリ使用量の増加、生成速度の低下、コンテキスト統合の制限に悩まされている。 本研究では,コヒーレントなストーリーフレームの生成とストーリー継続のためのフレーム拡張を目的とした新しいフレームワークであるContextualStoryを提案する。 PororoSVとFlintstonesSVベンチマークの実験では、ContextualStoryはストーリービジュアライゼーションとストーリー継続の両方において既存のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-07-13T05:02:42Z)
• Little Red Riding Hood Goes Around the Globe:Crosslingual Story Planning and Generation with Large Language Models [69.60579227637399]
  以前の研究は、主に英語に焦点を当てた単言語設定でのみストーリー生成の計画の有効性を実証してきた。 本稿では,言語横断型ストーリ生成の新たな課題を提案する。
  論文  参考訳（メタデータ） (2022-12-20T17:42:16Z)
• Re3: Generating Longer Stories With Recursive Reprompting and Revision [83.99558005056817]
  我々は,2千語以上の長文を自動生成する問題を考察する。 短いストーリーの以前の作業と比較して、長距離プロットのコヒーレンスと関連性は、ここではより中心的な課題である。 本稿では,これらの課題に対処するRecursive Reprompting and Revision framework(Re3)を提案する。
  論文  参考訳（メタデータ） (2022-10-13T06:29:57Z)
• Persona-Guided Planning for Controlling the Protagonist's Persona in Story Generation [71.24817035071176]
  本研究では,ペルソナとイベントの関係を明示的にモデル化する計画ベース生成モデルCONPERを提案する。 自動評価と手動評価の両方の結果から、CONPERはより一貫性のあるペルソナ制御可能なストーリーを生成するために最先端のベースラインより優れていることが示されている。
  論文  参考訳（メタデータ） (2022-04-22T13:45:02Z)
• Stylized Story Generation with Style-Guided Planning [38.791298336259146]
  そこで本稿では,先行する文脈を条件として,新たなタスク,スタイル化されたストーリージェネレーション,すなわちスペクティフィドスタイルでストーリーを生成することを提案する。 我々のモデルは、ROCStoriesデータセットに基づいて、エモオプション駆動またはイベント駆動のストーリーを制御できる。
  論文  参考訳（メタデータ） (2021-05-18T15:55:38Z)
• Collaborative Storytelling with Large-scale Neural Language Models [6.0794985566317425]
  我々は、人工知能エージェントと人が協力して、交代で追加することでユニークなストーリーを作るという、協調的なストーリーテリングのタスクを紹介します。 本稿では,人間ストーリーテラーと協調して物語を創り出す共同ストーリーテリングシステムについて述べる。
  論文  参考訳（メタデータ） (2020-11-20T04:36:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。