論文の概要: StoryBox: Collaborative Multi-Agent Simulation for Hybrid Bottom-Up Long-Form Story Generation Using Large Language Models

• arxiv url: http://arxiv.org/abs/2510.11618v1
• Date: Mon, 13 Oct 2025 16:57:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.470467
• Title: StoryBox: Collaborative Multi-Agent Simulation for Hybrid Bottom-Up Long-Form Story Generation Using Large Language Models
• Title（参考訳）: StoryBox:大規模言語モデルを用いたハイブリッドボトムアップ長期ストーリー生成のための協調的マルチエージェントシミュレーション
• Authors: Zehao Chen, Rong Pan, Haoran Li,
• Abstract要約: 本稿では,ハイブリッドボトムアップ・ロングフォーム・ストーリー・ジェネレーションと呼ばれる,ロングフォーム・ストーリー・ジェネレーションに対する新しいアプローチを提案する。 本手法では,エージェントが動的サンドボックス環境内で相互作用し,その動作と相互作用が創発的な事象を発生させる。
• 参考スコア（独自算出の注目度）: 15.245564064908903
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human writers often begin their stories with an overarching mental scene, where they envision the interactions between characters and their environment. Inspired by this creative process, we propose a novel approach to long-form story generation, termed hybrid bottom-up long-form story generation, using multi-agent simulations. In our method, agents interact within a dynamic sandbox environment, where their behaviors and interactions with one another and the environment generate emergent events. These events form the foundation for the story, enabling organic character development and plot progression. Unlike traditional top-down approaches that impose rigid structures, our hybrid bottom-up approach allows for the natural unfolding of events, fostering more spontaneous and engaging storytelling. The system is capable of generating stories exceeding 10,000 words while maintaining coherence and consistency, addressing some of the key challenges faced by current story generation models. We achieve state-of-the-art performance across several metrics. This approach offers a scalable and innovative solution for creating dynamic, immersive long-form stories that evolve organically from agent-driven interactions.
• Abstract（参考訳）: 人間の作家はしばしば、キャラクターと環境の間の相互作用を想像する、大まかな精神的なシーンで物語を始める。 この創造的プロセスに着想を得て,マルチエージェント・シミュレーションを用いて,ハイブリッドボトムアップ・ロングフォーム・ストーリー・ジェネレーションと呼ばれるロングフォーム・ストーリー・ジェネレーションの新たなアプローチを提案する。 本手法では,エージェントが動的サンドボックス環境内で相互作用し,その動作と相互作用が創発的な事象を発生させる。 これらの出来事が物語の基礎を形成し、オーガニックなキャラクターの発達とプロットの進行を可能にしている。 厳格な構造を強制する従来のトップダウンアプローチとは異なり、私たちのハイブリッドボトムアップアプローチは、イベントの自然な展開を可能にし、より自発的で魅力的なストーリーテリングを促進します。 このシステムは、一貫性と一貫性を維持しながら、1万語を超えるストーリーを生成することができ、現在のストーリー生成モデルで直面するいくつかの重要な課題に対処する。 いくつかのメトリクスで最先端のパフォーマンスを実現しています。 このアプローチは、エージェント駆動インタラクションから有機的に進化する動的で没入的なロングフォームストーリを作成するための、スケーラブルで革新的なソリューションを提供する。

関連論文リスト

• 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)
• STORYTELLER: An Enhanced Plot-Planning Framework for Coherent and Cohesive Story Generation [17.553025200797986]
  自動生成されたストーリーの一貫性と一貫性を体系的に改善する新しいアプローチであるStorytellerを紹介します。 実験では、ストーリーテラーは既存のアプローチを大きく上回り、平均勝利率は84.33%に達した。 同時に、創造性、一貫性、エンゲージメント、関連性など、他の面でもはるかに先を行っている。
  論文  参考訳（メタデータ） (2025-06-03T00:54:00Z)
• STORYANCHORS: Generating Consistent Multi-Scene Story Frames for Long-Form Narratives [82.19488717416351]
  本稿では,高品質でマルチシーンなストーリーフレームを生成するための統合フレームワークであるStoryAnchorsを紹介する。 StoryAnchorsは、時間的一貫性を確保するために、過去と将来の両方のコンテキストを統合する双方向のストーリージェネレータを使用している。 また、マルチイベントストーリーフレームラベリングとプログレッシブストーリーフレームトレーニングを統合し、モデルが包括的な物語の流れとイベントレベルのダイナミクスの両方をキャプチャできるようにする。
  論文  参考訳（メタデータ） (2025-05-13T08:48:10Z)
• 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)
• Generative Agents: Interactive Simulacra of Human Behavior [86.1026716646289]
  生成エージェントを導入し,人間の振る舞いをシミュレートする計算ソフトウェアエージェントについて紹介する。 エージェントの経験の完全な記録を格納するために,大規模言語モデルを拡張するアーキテクチャについて述べる。 The Simsにインスパイアされた対話型サンドボックス環境に生成エージェントを投入する。
  論文  参考訳（メタデータ） (2023-04-07T01:55:19Z)
• Inferring the Reader: Guiding Automated Story Generation with Commonsense Reasoning [12.264880519328353]
  生成プロセスにコモンセンス推論を導入するフレームワークであるCommonsense-inference Augmented Neural StoryTelling (CAST)を紹介する。 我々のCAST手法は,既存のモデルよりも,一文字と二文字の両方で,一貫性があり,オントピー的,楽しむことができる。
  論文  参考訳（メタデータ） (2021-05-04T06:40:33Z)
• Cue Me In: Content-Inducing Approaches to Interactive Story Generation [74.09575609958743]
  本研究では,対話型物語生成の課題に焦点をあてる。 本稿では、この追加情報を効果的に活用するための2つのコンテンツ誘導手法を提案する。 自動評価と人的評価の両方による実験結果から,これらの手法がよりトポロジ的な一貫性とパーソナライズされたストーリーを生み出すことが示された。
  論文  参考訳（メタデータ） (2020-10-20T00:36:15Z)

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。