論文の概要: Living the Novel: A System for Generating Self-Training Timeline-Aware Conversational Agents from Novels

• arxiv url: http://arxiv.org/abs/2512.07474v1
• Date: Mon, 08 Dec 2025 11:57:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.871156
• Title: Living the Novel: A System for Generating Self-Training Timeline-Aware Conversational Agents from Novels
• Title（参考訳）: リビング・ザ・ノベル:小説から自己学習型タイムライン対応対話エージェントを生成するシステム
• Authors: Yifei Huang, Tianyu Yan, Sitong Gong, Xiwei Gao, Caixin Kang, Ruicong Liu, Huchuan Lu, Bo Zheng,
• Abstract要約: 文芸作品が没入的で多文字の会話体験に変換されるエンド・ツー・エンドシステムを提案する。 このシステムはLLM駆動文字の2つの基本的な課題を解決するために設計されている。
• 参考スコア（独自算出の注目度）: 50.43968216132018
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present the Living Novel, an end-to-end system that transforms any literary work into an immersive, multi-character conversational experience. This system is designed to solve two fundamental challenges for LLM-driven characters. Firstly, generic LLMs suffer from persona drift, often failing to stay in character. Secondly, agents often exhibit abilities that extend beyond the constraints of the story's world and logic, leading to both narrative incoherence (spoiler leakage) and robustness failures (frame-breaking). To address these challenges, we introduce a novel two-stage training pipeline. Our Deep Persona Alignment (DPA) stage uses data-free reinforcement finetuning to instill deep character fidelity. Our Coherence and Robustness Enhancing (CRE) stage then employs a story-time-aware knowledge graph and a second retrieval-grounded training pass to architecturally enforce these narrative constraints. We validate our system through a multi-phase evaluation using Jules Verne's Twenty Thousand Leagues Under the Sea. A lab study with a detailed ablation of system components is followed by a 5-day in-the-wild diary study. Our DPA pipeline helps our specialized model outperform GPT-4o on persona-specific metrics, and our CRE stage achieves near-perfect performance in coherence and robustness measures. Our study surfaces practical design guidelines for AI-driven narrative systems: we find that character-first self-training is foundational for believability, while explicit story-time constraints are crucial for sustaining coherent, interruption-resilient mobile-web experiences.
• Abstract（参考訳）: リビング・ノベル(Living Novel)は、文学作品が没入的で多文字の会話体験に変換されるエンド・ツー・エンドのシステムである。 このシステムはLLM駆動文字の2つの基本的な課題を解決するために設計されている。 まず、ジェネリックLSMはペルソナの漂流に悩まされ、しばしば性格に留まらない。 第二に、エージェントはしばしば物語の世界と論理の制約を超えて拡張する能力を示し、物語の不整合(スポイラーの漏れ)と堅牢性障害(フレーム破壊)の両方をもたらす。 これらの課題に対処するため、我々は新しい2段階トレーニングパイプラインを導入する。 我々のディープ・ペルソナ・アライメント(DPA)段階は、ディープ・パーソナ・アライメント(Deep Persona Alignment, DPA)を用いて、ディープ・パーソナ・アライメント(Deep Persona Alignment, DPA)を注入する。 当社のCherence and Robustness Enhancing(CRE)ステージでは,ストーリタイムの知識グラフと2番目の検索地上トレーニングパスを使用して,これらのナラティブ制約をアーキテクチャ的に実施する。 ジュール・ヴェルヌ(Jules Verne)の20万国連盟(Twenty Thousand Leagues Under the Sea)を用いて多相評価を行い,本システムの有効性を検証した。 システムコンポーネントの詳細なアブレーションを伴う実験室では、5日間のインザワイルド日記研究が続く。 我々のDPAパイプラインは、ペルソナ固有の指標でGPT-4oより優れたモデルであり、私たちのCREステージはコヒーレンスとロバストネスの測定においてほぼ完璧なパフォーマンスを達成する。 我々の研究は、AI駆動の物語システムの実践的設計ガイドラインを提示する: キャラクター優先の自己学習は、信頼性の基礎であり、一方、明示的なストーリータイムの制約は、一貫性のある割り込み耐性のあるモバイルウェブ体験を維持するために不可欠である。

関連論文リスト

• Beyond Direct Generation: A Decomposed Approach to Well-Crafted Screenwriting with LLMs [6.802263659531867]
  大きな言語モデル(LLM)は、創造的な記述において大きな可能性を示します。 直接のエンドツーエンド生成アプローチは、よく製作されたスクリーンプレイを作るのに失敗することが多い。 本稿ではDSR(Dual-Stage Refinement)という,形式変換から創造的な物語生成を分離するフレームワークを紹介する。
  論文  参考訳（メタデータ） (2025-10-27T09:41:29Z)
• EvolvTrip: Enhancing Literary Character Understanding with Temporal Theory-of-Mind Graphs [23.86303464364475]
  EvolvTripは、物語を通して心理学的発達を追跡する視点対応の時間知識グラフである。 本研究は,物語理解における時間的性格的状態の明示的表現の重要性を強調した。
  論文  参考訳（メタデータ） (2025-06-16T16:05:17Z)
• If an LLM Were a Character, Would It Know Its Own Story? Evaluating Lifelong Learning in LLMs [55.8331366739144]
  大規模言語モデル(LLM)における生涯学習評価のためのベンチマークであるLIFESTATE-BENCHを紹介する。 我々の事実チェック評価は、パラメトリックと非パラメトリックの両方のアプローチで、モデルの自己認識、エピソードメモリ検索、関係追跡を探索する。
  論文  参考訳（メタデータ） (2025-03-30T16:50:57Z)
• Learning to Reason for Long-Form Story Generation [84.09733333295338]
  一般的なストーリー生成タスク(Next-Chapter Prediction)と報酬定式化(Completion Likelihood Improvementによる検証リワード)を提案する。 私たちは、物語の凝縮した情報を推論し、次の章の詳細な計画を作成することを学びます。 私たちの推論は、ストーリージェネレータ作成を支援する章を通じて評価され、トレーニングされていない、教師なしの微調整(SFT)ベースラインと比較されます。
  論文  参考訳（メタデータ） (2025-03-28T18:48:26Z)
• Towards Enhanced Immersion and Agency for LLM-based Interactive Drama [55.770617779283064]
  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。
  論文  参考訳（メタデータ） (2025-02-25T06:06:16Z)
• 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)

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。