論文の概要: Constella: Supporting Storywriters' Interconnected Character Creation through LLM-based Multi-Agents

• arxiv url: http://arxiv.org/abs/2507.05820v1
• Date: Tue, 08 Jul 2025 09:39:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.839148
• Title: Constella: Supporting Storywriters' Interconnected Character Creation through LLM-based Multi-Agents
• Title（参考訳）: Constella: LLMベースのマルチエージェントによるストーリーライターのインターコネクトキャラクタ作成を支援する
• Authors: Syemin Park, Soobin Park, Youn-kyung Lim,
• Abstract要約: Constellaは、ストーリーライターの相互接続された文字生成プロセスをサポートするマルチエージェントツールである。 ストーリーライターによる7～8日間の展開調査は、Constellaが関連する文字からなる拡張コミュニティの構築を可能にしたことを示している。 我々は、マルチエージェントインタラクションが、キャラクタのキャラクタに対して、ライターの注意と努力を分散させるのにどのように役立つかを議論することで締めくくった。
• 参考スコア（独自算出の注目度）: 7.537475180985097
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Creating a cast of characters by attending to their relational dynamics is a critical aspect of most long-form storywriting. However, our formative study (N=14) reveals that writers struggle to envision new characters that could influence existing ones, to balance similarities and differences among characters, and to intricately flesh out their relationships. Based on these observations, we designed Constella, an LLM-based multi-agent tool that supports storywriters' interconnected character creation process. Constella suggests related characters (FRIENDS DISCOVERY feature), reveals the inner mindscapes of several characters simultaneously (JOURNALS feature), and manifests relationships through inter-character responses (COMMENTS feature). Our 7-8 day deployment study with storywriters (N=11) shows that Constella enabled the creation of expansive communities composed of related characters, facilitated the comparison of characters' thoughts and emotions, and deepened writers' understanding of character relationships. We conclude by discussing how multi-agent interactions can help distribute writers' attention and effort across the character cast.
• Abstract（参考訳）: リレーショナルダイナミクスに参加することでキャラクタのキャストを作成することは、ほとんどのロングフォームなストーリーライティングの重要な側面である。 しかし、我々のフォーマティブな研究 (N=14) は、作家が既存のキャラクターに影響を及ぼす可能性のある新しいキャラクターを思い起こさせるのに苦労し、キャラクター間の類似性と相違をバランスさせ、複雑な関係を具体化するのに苦労していることを示している。 これらの観測結果に基づいて,ストーリーライターの相互接続型文字生成プロセスをサポートするLLMベースのマルチエージェントツールであるConstellaを設計した。 コンステラは、関連する文字(FRIENDS DISCOVERY feature)を提示し、複数の文字の内的マインドスケープを同時に明らかにし(JOURNALS feature)、文字間応答(COMMENTS feature)を通して関係を示す。 ストーリーライターによる7～8日間の展開調査(N=11)は、コンステラが関係するキャラクターからなる拡張的なコミュニティの構築を可能にし、キャラクターの思考と感情の比較を促進し、キャラクター関係に対する作家の理解を深めたことを示している。 我々は、マルチエージェントインタラクションが、キャラクタのキャラクタに対して、ライターの注意と努力を分散させるのにどのように役立つかを議論することで締めくくった。

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)
• Crafting Customisable Characters with LLMs: Introducing SimsChat, a Persona-Driven Role-Playing Agent Framework [22.47800724123694]
  大きな言語モデル(LLM)は、命令を理解し、人間に似たテキストを生成する素晴らしい能力を示す。 実世界のキャラクターをシミュレートするためにLLMを利用するCustomisable Conversation Agent Frameworkを導入する。 我々は,様々な現実的な設定を取り入れた自由にカスタマイズ可能なロールプレイングエージェントであるSimsChatを紹介する。
  論文  参考訳（メタデータ） (2024-06-25T22:44:17Z)
• CHIRON: Rich Character Representations in Long-Form Narratives [98.273323001781]
  文字のテキスト情報を整理・フィルタリングする新しい文字シートの表現であるCHIRONを提案する。 実験の結果,CHIRONは類似の要約に基づくベースラインよりも優れ,柔軟であることが判明した。 CHIRONから派生したメトリクスは、ストーリーのキャラクター中心性を自動的に推測するために使用することができ、これらのメトリクスは人間の判断と一致している。
  論文  参考訳（メタデータ） (2024-06-14T17:23:57Z)
• Large Language Models Fall Short: Understanding Complex Relationships in Detective Narratives [21.297972871264744]
  我々は,刑事談話から複雑な文字関係グラフを抽出し,解析するための新しいベンチマークであるConanを導入する。 具体的には、階層的な関係カテゴリを設計し、様々なキャラクターの視点から手動で役割指向関係を抽出し、注釈付けした。 GPT-3.5やGPT-4、Llama2といった先進言語モデル(LLM)を用いた実験は、複雑な関係を推論し、より長い物語を扱う際の限界を明らかにします。
  論文  参考訳（メタデータ） (2024-02-16T19:59:45Z)
• "Let Your Characters Tell Their Story": A Dataset for Character-Centric Narrative Understanding [31.803481510886378]
  文芸作品の新しいデータセットLiSCUとその要約を、それらに現れる文字の記述と組み合わせて紹介する。 また、LiSCUにおける文字識別と文字記述生成という2つの新しいタスクについても紹介する。 これらの課題に適応した事前学習型言語モデルを用いた実験により,より優れた物語理解モデルの必要性が示された。
  論文  参考訳（メタデータ） (2021-09-12T06:12:55Z)
• 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。