論文の概要: Towards Enhanced Immersion and Agency for LLM-based Interactive Drama

• arxiv url: http://arxiv.org/abs/2502.17878v1
• Date: Tue, 25 Feb 2025 06:06:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 18:41:04.348184
• Title: Towards Enhanced Immersion and Agency for LLM-based Interactive Drama
• Title（参考訳）: LLMを用いたインタラクティブドラマの没入・エージェンシー向上に向けて
• Authors: Hongqiu Wu, Weiqi Wu, Tianyang Xu, Jiameng Zhang, Hai Zhao,
• Abstract要約: 本論文は,対話型ドラマを2つの側面から理解することから始まる:没入感,プレイヤーの物語への参加感,エージェンシーである。 これら2つの側面を強化するために,我々はまず,LLMが劇的なストーリーを製作し,構造と物語の質を大幅に向上させる新しい手法であるPlaywriting-Guided Generationを提案する。
• 参考スコア（独自算出の注目度）: 55.770617779283064
• License:
• Abstract: LLM-based Interactive Drama is a novel AI-based dialogue scenario, where the user (i.e. the player) plays the role of a character in the story, has conversations with characters played by LLM agents, and experiences an unfolding story. This paper begins with understanding interactive drama from two aspects: Immersion, the player's feeling of being present in the story, and Agency, the player's ability to influence the story world. Both are crucial to creating an enjoyable interactive experience, while they have been underexplored in previous work. To enhance these two aspects, we first propose Playwriting-guided Generation, a novel method that helps LLMs craft dramatic stories with substantially improved structures and narrative quality. Additionally, we introduce Plot-based Reflection for LLM agents to refine their reactions to align with the player's intentions. Our evaluation relies on human judgment to assess the gains of our methods in terms of immersion and agency.
• Abstract（参考訳）: LLMベースのインタラクティブドラマ(Interactive Drama)は、AIベースの対話シナリオで、ユーザー(すなわちプレイヤー)がストーリーのキャラクターの役割を演じ、LLMエージェントが演じるキャラクターと会話し、展開されたストーリーを体験する。 本論文は,対話型ドラマの理解に始まり,プレイヤーの物語への参加感である没入感と,プレイヤーの物語世界に影響を与える能力であるエージェンシーの2つの側面から着目する。 どちらも、以前の研究で過小評価されている一方で、楽しいインタラクティブな体験を生み出すために不可欠です。 これら2つの側面を強化するために,我々はまず,LLMが劇的なストーリーを製作し,構造と物語の質を大幅に向上させる新しい手法であるPlaywriting-Guided Generationを提案する。 さらに, Plot-based Reflection for LLM agent to refine their reaction to the player's intentions。 評価は人間による判断に依拠し,没入・エージェンシーの観点から手法の利得を評価する。

関連論文リスト

• CharacterBox: Evaluating the Role-Playing Capabilities of LLMs in Text-Based Virtual Worlds [74.02480671181685]
  ロールプレイングは大規模言語モデル(LLM)の重要な機能である 現在の評価手法は, 実演に不可欠なニュアンス特性や動作を適切に把握するに足りていない。 本研究では,キャラクタボックスを提案する。キャラクタボックスは,キャラクタの微粒な挙動を再現するシミュレーションサンドボックスである。
  論文  参考訳（メタデータ） (2024-12-07T12:09:35Z)
• 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)
• The Drama Machine: Simulating Character Development with LLM Agents [1.999925939110439]
  本稿では,多言語モデル (LLM) エージェントを用いたドラマティックシナリオにおける複雑な動的キャラクタのシミュレートについて検討する。 本稿では,異なる「エゴ」と「スーパーエゴ」の心理的役割を演じるLLMエージェント間の相互作用を協調するドラママシンフレームワークを提案する。 結果として、このマルチエージェントアプローチは、対話的なターンの連続を通して進化する、よりニュアンスで適応的な物語を生み出すことができることが示唆された。
  論文  参考訳（メタデータ） (2024-08-03T09:40:26Z)
• Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
  本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。 本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。 談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
  論文  参考訳（メタデータ） (2024-07-18T08:02:49Z)
• From Role-Play to Drama-Interaction: An LLM Solution [57.233049222938675]
  本稿では,従来のドラマに前例のない没入感を与えるemphLLMベースのインタラクティブドラマを紹介する。 我々は、この新たな芸術ジャンルを、6つの重要な要素-プラット、キャラクタ、思考、辞書、スペクタクル、相互作用によって定義する。 本稿では,プレイヤーとのインタラクションにおける物語の進行をより細かく制御するためのemphNarrative Chainを提案し,任意のストーリーをドラマスクリプトに合成するemphAuto-Dramaを提案する。
  論文  参考訳（メタデータ） (2024-05-23T07:03:56Z)
• Character-LLM: A Trainable Agent for Role-Playing [67.35139167985008]
  大規模言語モデル(LLM)は、人間の振る舞いをシミュレートするエージェントとして用いられる。 本稿では, ベートーヴェン, クレオパトラ女王, ユリウス・カエサルなど, LLM に特定の人物として行動するように教えるキャラクタ-LLMを紹介する。
  論文  参考訳（メタデータ） (2023-10-16T07:58:56Z)
• NarrativePlay: Interactive Narrative Understanding [27.440721435864194]
  本研究では,ユーザが架空のキャラクターをロールプレイし,没入感のある環境で他のキャラクターと対話できる新しいシステムであるNarrativePlayを紹介する。 我々はLarge Language Models(LLMs)を利用して、物語から抽出された性格特性によって導かれる人間的な応答を生成する。 ナラティブプレイは2種類の物語、探偵と冒険の物語で評価されており、ユーザーは世界を探索したり、会話を通じて物語のキャラクターと親しみやすくしたりすることができる。
  論文  参考訳（メタデータ） (2023-10-02T13:24:00Z)
• Collaborative Storytelling with Human Actors and AI Narrators [2.8575516056239576]
  GPT-3 citebrown 2020 を用いた物語のコナレーションについて報告する。 AIシステムは、人間の俳優がシーンを演じている間、プロットの進行とキャラクターの弧を追跡する必要がある。
  論文  参考訳（メタデータ） (2021-09-29T21:21:35Z)
• Telling Stories through Multi-User Dialogue by Modeling Character Relations [14.117921448623342]
  本稿では,登場人物の1対2のナレーションと対話を通して物語が現れるキャラクター主導の物語継続について考察する。 文字対話と文字関係情報を訓練するマルチタスクモデルにより,トランスフォーマーによる物語の継続性が向上する,という仮説を立てる。 文字関係を用いたマルチタスクモデルでは,強いベースラインよりもストーリー継続精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-05-31T15:39:41Z)

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。