論文の概要: WHAT-IF: Exploring Branching Narratives by Meta-Prompting Large Language Models

• arxiv url: http://arxiv.org/abs/2412.10582v1
• Date: Fri, 13 Dec 2024 21:48:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:58:48.982481
• Title: WHAT-IF: Exploring Branching Narratives by Meta-Prompting Large Language Models
• Title（参考訳）: WHAT-IF: 大規模言語モデルのメタプロンピングによる分岐的ナラティブの探索
• Authors: Runsheng "Anson" Huang, Lara J. Martin, Chris Callison-Burch,
• Abstract要約: WHAT-IFは、ゼロショットメタプロンプティングを使用して、事前に書かれたストーリーから分岐物語を作成するシステムである。 このシステムはコヒーレントでよく構造化された代替ストーリーラインを生成する。 ブランチプロットツリーをグラフに格納し、ストーリーの追跡と最終的なIFシステムの構造の促進と維持を支援する。
• 参考スコア（独自算出の注目度）: 38.704637593553315
• License:
• Abstract: WHAT-IF -- Writing a Hero's Alternate Timeline through Interactive Fiction -- is a system that uses zero-shot meta-prompting to create branching narratives from a prewritten story. Played as an interactive fiction (IF) game, WHAT-IF lets the player choose between decisions that the large language model (LLM) GPT-4 generates as possible branches in the story. Starting with an existing linear plot as input, a branch is created at each key decision taken by the main character. By meta-prompting the LLM to consider the major plot points from the story, the system produces coherent and well-structured alternate storylines. WHAT-IF stores the branching plot tree in a graph which helps it to both keep track of the story for prompting and maintain the structure for the final IF system. A video demo of our system can be found here: https://youtu.be/8vBqjqtupcc.
• Abstract（参考訳）: WHAT-IF – Interactive Fictionを通じてヒーローの代替タイムラインを書く – は、ゼロショットメタプロンプトを使用して、事前に書かれたストーリーから分岐する物語を生成するシステムである。 WHAT-IFは、対話型フィクション(IF)ゲームとしてプレイされ、大きな言語モデル(LLM) GPT-4がストーリーのできるだけの分岐を生成する決定をプレイヤーが選択できる。 既存の線形プロットを入力として開始すると、メインキャラクタが取る各キー決定に分岐を生成する。 LLMをメタプロンプトしてストーリーから主要なプロットポイントを考えることで、システムは一貫性のある、よく構造化された代替ストーリーラインを生成する。 WHAT-IFは分岐プロットツリーをグラフに格納し、ストーリーの追跡と最終IFシステムの構造の促進と維持を支援する。 私たちのシステムのデモは以下の通りです。

関連論文リスト

• 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)
• 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)
• MoPS: Modular Story Premise Synthesis for Open-Ended Automatic Story Generation [50.01780173691132]
  モジュール・ストーリー・プリミゼ・シンセサイザー(MoPS)について紹介する。 MoPSはストーリーの前提をバックグラウンドやペルソナなどのモジュールに分割し、自動設計と生成を行う。 より詳細な評価は、我々の合成された施設が多様性、魅力、完全性、独創性に優れていることを示している。
  論文  参考訳（メタデータ） (2024-06-09T08:31:14Z)
• StoryVerse: Towards Co-authoring Dynamic Plot with LLM-based Character Simulation via Narrative Planning [8.851718319632973]
  大きな言語モデル(LLM)は仮想文字の振る舞いを駆動し、プロットは文字と環境間の相互作用から現れる。 著者の著作意図と LLM によるキャラクタシミュレーションの創発的行動とを仲介するプロット作成ワークフローを提案する。 このプロセスは「生きた物語」を作り、様々なゲーム世界の状態に動的に適応し、著者、キャラクターシミュレーション、プレイヤーが共同で物語を作る。
  論文  参考訳（メタデータ） (2024-05-17T23:04:51Z)
• GENEVA: GENErating and Visualizing branching narratives using LLMs [15.43734266732214]
  textbfGENEVAはプロトタイプツールで、ストーリーラインの分岐と再収束を伴うリッチな物語グラフを生成する。 textbfGENEVAはゲーム開発、シミュレーション、その他のゲームライクな特性を持つアプリケーションを支援する可能性がある。
  論文  参考訳（メタデータ） (2023-11-15T18:55:45Z)
• Neural Story Planning [8.600049807193413]
  本稿では,ニューラル言語モデルと因果計画を統合したストーリープロット生成手法を提案する。 我々のシステムは、物語における出来事の前提条件を推測し、その条件が真実になるイベントを推定する。 その結果,提案手法は複数の強基線よりもコヒーレントなプロットラインを生成することがわかった。
  論文  参考訳（メタデータ） (2022-12-16T21:29:41Z)
• A Benchmark for Understanding and Generating Dialogue between Characters in Stories [75.29466820496913]
  本研究は,機械が物語の対話を理解・生成できるかどうかを探求する最初の研究である。 マスク付き対話生成と対話話者認識という2つの新しいタスクを提案する。 DialStoryの自動評価と手動評価で既存のモデルをテストすることで,提案課題の難しさを示す。
  論文  参考訳（メタデータ） (2022-09-18T10:19:04Z)
• An Ion Exchange Mechanism Inspired Story Ending Generator for Different Characters [19.945761111101344]
  物語の各キャラクターのエンディングをカスタマイズするためのキャラクター指向ストーリーエンディングジェネレータ(CoSEG)を提案する。 まず、ストーリーコンテキストから抽出した記述的体験から文字の個性を学ぶための文字モデリングモジュールを提案する。 次に,各文字と対応するコンテキスト間の固有相互作用を学習するために,新しいベクトル分割・生成モジュールを設計する。
  論文  参考訳（メタデータ） (2022-09-01T03:32:36Z)
• PlotMachines: Outline-Conditioned Generation with Dynamic Plot State Tracking [128.76063992147016]
  PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。 さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
  論文  参考訳（メタデータ） (2020-04-30T17:16:31Z)

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。