論文の概要: CreAgentive: An Agent Workflow Driven Multi-Category Creative Generation Engine

• arxiv url: http://arxiv.org/abs/2509.26461v1
• Date: Tue, 30 Sep 2025 16:12:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:45:00.196983
• Title: CreAgentive: An Agent Workflow Driven Multi-Category Creative Generation Engine
• Title（参考訳）: CreAgentive: エージェントワークフロー駆動のマルチカテゴリ生成エンジン
• Authors: Yuyang Cheng, Linyue Cai, Changwei Peng, Yumiao Xu, Rongfang Bie, Yong Zhao,
• Abstract要約: CreAgentiveは、物語、ドラマ、その他のクリエイティブのカテゴリを書く際に、現代の大きな言語モデルの4つの重要な制限に対処する。 CreAgentiveは、ジャンルに依存しない知識グラフに基づく物語表現であるStory Prototypeを採用している。 大規模な実験では、CreAgentiveは安定した品質と低コストで何千もの章を生成する。
• 参考スコア（独自算出の注目度）: 4.644735042881366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present CreAgentive, an agent workflow driven multi-category creative generation engine that addresses four key limitations of contemporary large language models in writing stories, drama and other categories of creatives: restricted genre diversity, insufficient output length, weak narrative coherence, and inability to enforce complex structural constructs. At its core, CreAgentive employs a Story Prototype, which is a genre-agnostic, knowledge graph-based narrative representation that decouples story logic from stylistic realization by encoding characters, events, and environments as semantic triples. CreAgentive engages a three-stage agent workflow that comprises: an Initialization Stage that constructs a user-specified narrative skeleton; a Generation Stage in which long- and short-term objectives guide multi-agent dialogues to instantiate the Story Prototype; a Writing Stage that leverages this prototype to produce multi-genre text with advanced structures such as retrospection and foreshadowing. This architecture reduces storage redundancy and overcomes the typical bottlenecks of long-form generation. In extensive experiments, CreAgentive generates thousands of chapters with stable quality and low cost (less than $1 per 100 chapters) using a general-purpose backbone model. To evaluate performance, we define a two-dimensional framework with 10 narrative indicators measuring both quality and length. Results show that CreAgentive consistently outperforms strong baselines and achieves robust performance across diverse genres, approaching the quality of human-authored novels.
• Abstract（参考訳）: このエンジンは、ジャンルの多様性の制限、出力長の不足、物語の一貫性の弱さ、複雑な構造構造を強制する能力の欠如など、現代の大規模言語モデルにおいて、物語、ドラマ、その他のクリエイティブのカテゴリの4つの重要な制限に対処する。 CreAgentiveの中核となるのはストーリープロトタイプ(Story Prototype)であり、ジャンルに依存しない知識グラフに基づく物語表現で、ストーリーロジックをスタイリスティックな現実化から切り離し、キャラクター、イベント、環境をセマンティック・トリプルとしてエンコードする。 CreAgentiveは、3段階のエージェントワークフローに取り組み、ユーザー特定された物語の骨格を構成する初期化段階、長期的および短期的な目的が複数のエージェント対話をガイドしてストーリープロトタイプをインスタンス化する生成段階、このプロトタイプを活用して振り返りや前書きのような高度な構造を持つ多言語テキストを生成する記述段階を含む。 このアーキテクチャはストレージの冗長性を低減し、長文生成の典型的なボトルネックを克服する。 広範な実験において、CreAgentiveは、汎用のバックボーンモデルを使用して、安定した品質と低コスト(100章あたり1ドル未満)で数千の章を生成する。 性能を評価するために,10個のナラティブインジケータを用いた2次元フレームワークを定義した。 以上の結果から、CreAgentiveは強い基準線を一貫して上回り、多種多様なジャンルで堅牢なパフォーマンスを実現し、人間による小説の質に近づいたことが示唆された。

関連論文リスト

• Long Story Generation via Knowledge Graph and Literary Theory [5.844556001202481]
  数千語からなる長文の生成は、長文生成(LTG)の分野におけるサブタスクである これまでの研究では、ストーリーのアウトラインを生成するためのマルチステージ手法であるアウトラインベースの生成を通じて、この問題に対処してきた。 このアプローチには、以前のアウトラインの記憶が失われることによる、ほぼ避けられないテーマドリフトと、人間の読者にはあまりアピールしない不整合論理による退屈なプロットの2つの一般的な問題がある。
  論文  参考訳（メタデータ） (2025-08-05T06:35:14Z)
• StoryWriter: A Multi-Agent Framework for Long Story Generation [53.80343104003837]
  長いストーリー生成は、既存の大きな言語モデルにとって依然として課題である。 本稿では,3つの主要モジュールから構成されるマルチエージェント・ストーリー生成フレームワークであるStoryWriterを提案する。 StoryWriterは、ストーリーの品質と長さの両方において、既存のストーリー生成ベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2025-06-19T16:26:58Z)
• ViStoryBench: Comprehensive Benchmark Suite for Story Visualization [23.274981415638837]
  ViStoryBenchは、さまざまな物語構造、視覚スタイル、キャラクター設定にわたるストーリービジュアライゼーションモデルを評価するために設計された包括的なベンチマークである。 ベンチマークでは、文学、映画、民俗学にまたがるキュレートされたストーリーから派生した、豊富な注釈付きマルチショットスクリプトが特徴である。 徹底的な評価を可能にするために、ViStoryBenchは、文字の一貫性、スタイルの類似性、迅速な順守、美的品質、生成アーティファクトを評価する一連の自動メトリクスを導入した。
  論文  参考訳（メタデータ） (2025-05-30T17:58:21Z)
• StoryAgent: Customized Storytelling Video Generation via Multi-Agent Collaboration [88.94832383850533]
  CSVG(Customized Storytelling Video Generation)のためのマルチエージェントフレームワークを提案する。 StoryAgentはCSVGを特殊エージェントに割り当てられた個別のサブタスクに分解し、プロの制作プロセスを反映する。 具体的には、撮影時間内整合性を高めるために、カスタマイズされたイメージ・ツー・ビデオ(I2V)手法であるLoRA-BEを導入する。 コントリビューションには、ビデオ生成タスクのための汎用フレームワークであるStoryAgentの導入や、プロタゴニストの一貫性を維持するための新しい技術が含まれている。
  論文  参考訳（メタデータ） (2024-11-07T18:00:33Z)
• 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)
• Model Criticism for Long-Form Text Generation [113.13900836015122]
  我々は,テキストの高レベル構造を評価するために,潜在空間におけるモデル批判という統計ツールを適用した。 我々は,コヒーレンス,コア,トピックスという,ハイレベルな談話の3つの代表的な側面について実験を行った。 トランスフォーマーベースの言語モデルでは、トピック構造をキャプチャできるが、構造コヒーレンスやモデリングコアスを維持するのが難しくなる。
  論文  参考訳（メタデータ） (2022-10-16T04:35:58Z)

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。