論文の概要: PlotTwist: A Creative Plot Generation Framework with Small Language Models

• arxiv url: http://arxiv.org/abs/2603.16410v1
• Date: Tue, 17 Mar 2026 11:45:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.250886
• Title: PlotTwist: A Creative Plot Generation Framework with Small Language Models
• Title（参考訳）: PlotTwist - 小さな言語モデルを備えた創造的なPlot生成フレームワーク
• Authors: Abhinav Thorat, Ravi Kolla, Jyotin Goel, Niranjan Pedanekar,
• Abstract要約: PlotTwistは、$leq$5Bのアクティブパラメータを持つSmall Language Models(SLM)が、高品質で前提条件付きプロットを生成することができる構造化フレームワークである。 提案手法は,(1)新規の肯定的・否定的評価モデルを用いて学習した,5つの主観的品質次元(NQD)にまたがる構造的物語の提供戦略,(2)信頼度の高い選好対に対する直接最適化によって整列した実験的プロットジェネレータ,(3)偏見のないポストホック評価に対する人間の批判的判断をエミュレートするエージェント評価モジュールの3つの特殊な構成要素に分解する。
• 参考スコア（独自算出の注目度）: 2.2904707352645386
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Creative plot generation presents a fundamental challenge for language models: transforming a concise premise into a coherent narrative that sustains global structure, character development, and emotional resonance. Although recent Large Language Models (LLMs) demonstrate strong fluency across general-purpose tasks, they typically require preference alignment to perform well on specialized domains such as creative plot generation. However, conducting such alignment at the scale of frontier LLMs is computationally prohibitive, significantly limiting accessibility and practical deployment. To address this, we present PlotTwist, a structured framework that enables Small Language Models (SLMs) with $\leq$ 5B active parameters to generate high-quality, premise-conditioned plots competitive with frontier systems up to $200\times$ larger. Our approach decomposes generation into three specialized components: (1) an Aspect Rating Reward Model trained via a novel Positive-Negative prompting strategy to deliver structured narratives across five Narrative Quality Dimensions (NQDs); (2) a Mixture-of-Experts (MoE) plot generator aligned via Direct Preference Optimization on high-confidence preference pairs; and (3) an Agentic Evaluation module that emulates human critical judgment for unbiased post-hoc assessment. Extensive experiments demonstrate that PlotTwist consistently outperforms frontier models across multiple NQDs despite substantially tighter capacity constraints. Further validation confirms strong sensitivity to narrative quality, as the framework reliably distinguishes plots derived from critically acclaimed versus widely panned screenplays. Together, these results establish structured, preference-based alignment as a resource-efficient approach to high-quality creative plot generation.
• Abstract（参考訳）: 創造的プロット生成(Creative plot generation)は、簡潔な前提をコヒーレントな物語に変え、グローバルな構造、キャラクターの発達、感情的共鳴を維持する。 近年のLarge Language Models (LLM) は汎用的なタスクに強い流布性を示すが、創造的なプロット生成のような特殊なドメインでうまく機能するためには、好みのアライメントを必要とするのが普通である。 しかし、このようなアライメントをフロンティアLLMのスケールで行うことは、計算的に禁止されており、アクセシビリティと実際の展開を著しく制限している。 PlotTwistは、Small Language Models(SLM)を$\leq$5Bのアクティブパラメータで実現し、フロンティアシステムと競合する高品質で前提条件のプロットを最大200\times$で生成できる構造化フレームワークである。 提案手法は,(1)主観評価リワードモデルを用いて学習した,5つの主観的品質次元(NQDs),(2)主観的嗜好対上での直接選好最適化による混在型プロット生成,(3)不偏性評価に対する人間の批判的判断をエミュレートするエージェント評価モジュールの3つの特殊な構成要素に分解する。 大規模な実験により、PlotTwistはキャパシティの制約がかなり厳しいにもかかわらず、複数のNQDのフロンティアモデルよりも一貫して優れていることが示された。 さらに、批判的な評価と広範に表された脚本から派生したプロットを確実に区別するため、物語の質に対する強い感度を確認する。 これらの結果は、高品質な創造的プロット生成に対する資源効率の高いアプローチとして、構造化された嗜好に基づくアライメントを確立する。

関連論文リスト

• CDRRM: Contrast-Driven Rubric Generation for Reliable and Interpretable Reward Modeling [61.75914342638658]
  CDRRM(Contrast-Driven Reward Model)は、高品質なルーリック生成と優先判断のためのフレームワークである。 この作業は、報酬モデリングのためのスケーラブルで解釈可能で、データ効率のよいパスを提供する。
  論文  参考訳（メタデータ） (2026-03-09T07:15:23Z)
• SSR: Pushing the Limit of Spatial Intelligence with Structured Scene Reasoning [30.87517633729756]
  SSRはStructured Scene Reasoning用に設計されたフレームワークである。 軽量アライメント機構によって2Dと3Dの表現をシームレスに統合する。 複数の空間インテリジェンスベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-28T02:05:35Z)
• DraCo: Draft as CoT for Text-to-Image Preview and Rare Concept Generation [69.69738832428543]
  DraCo(DraCo)は,テキスト・ツー・イメージ生成を向上するための新たなインターリーブな推論パラダイムである。 提案手法はまず,低解像度のドラフト画像をプレビューとして生成し,より具体的で構造的な視覚計画とガイダンスを提供する。 DraCoがGenEval(+8%)、Imagine-Bench(+0.91)、GenEval++(+3%)の大幅な増加を実現
  論文  参考訳（メタデータ） (2025-12-04T18:59:53Z)
• Understanding and Improving Length Generalization in Hierarchical Sparse Attention Models [33.99822400076112]
  チャンクに基づくスパースアテンションは、極端な長さの一般化のための有望なパラダイムとして現れている。 本稿では,これらのモデルを体系的に分解し,その性能を駆動するコアコンポーネントを同定する。 我々は、4KコンテキストでトレーニングされたモデルをRULERとBABILongで3200万トークンに一般化し、トレーニング不要な長さ外挿のための新しい最先端技術を確立した。
  論文  参考訳（メタデータ） (2025-10-20T06:17:57Z)
• COIG-Writer: A High-Quality Dataset for Chinese Creative Writing with Thought Processes [83.84578306665976]
  大規模な言語モデルは、創造的な文章、特に非英語の文脈において体系的な欠陥を示す。 提案するCOIG-Writerは,多種多様なアウトプットと,その基盤となる思考プロセスの両方をキャプチャする,中国のクリエイティブな文章データセットである。
  論文  参考訳（メタデータ） (2025-10-16T15:01:19Z)
• Large Language Model-Based Automatic Formulation for Stochastic Optimization Models [0.0]
  本稿では,大規模言語モデル(LLM)の性能に関する最初の総合的研究について述べる。 チェーン・オブ・シンキングとモジュール型推論を用いてChatGPTを構造化タスクでガイドするいくつかのプロンプトを設計する。 様々な問題に対して、GPT-4-Turboは部分スコア、変数マッチング、客観的精度で他のモデルよりも優れており、最も効果的なプロンプト戦略として cot_s_instructions が現れる。
  論文  参考訳（メタデータ） (2025-08-24T03:31:25Z)
• Multi-Agent Synergy-Driven Iterative Visual Narrative Synthesis [2.846897538377738]
  高品質なメディアプレゼンテーションを自動生成するための新しいフレームワークRCPSを紹介する。 また、コンテンツ、コヒーレンス、デザインのプレゼンテーション品質を評価するための嗜好に基づく評価フレームワークであるPreVALを提案する。 PreVALは人間の判断と強い相関を示し、プレゼンテーション品質を評価するための信頼性の高い自動化ツールとして検証する。
  論文  参考訳（メタデータ） (2025-07-17T16:50:07Z)
• Precision-Recall Divergence Optimization for Generative Modeling with GANs and Normalizing Flows [54.050498411883495]
  本研究では,ジェネレーティブ・アドバイサル・ネットワークや正規化フローなどの生成モデルのための新しいトレーニング手法を開発した。 指定された精度-リコールトレードオフを達成することは、textitPR-divergencesと呼ぶ家族からのユニークな$f$-divergenceを最小化することを意味する。 当社のアプローチは,ImageNetなどのデータセットでテストした場合の精度とリコールの両面で,BigGANのような既存の最先端モデルの性能を向上させる。
  論文  参考訳（メタデータ） (2023-05-30T10:07:17Z)
• 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)
• Retrieve-and-Fill for Scenario-based Task-Oriented Semantic Parsing [110.4684789199555]
  シナリオベースのセマンティックパーシングを導入し、最初に発話の「scenario」を曖昧にする必要がある元のタスクの変種を紹介します。 この定式化により、タスクの粗くきめ細かな側面を分離することが可能となり、それぞれがオフザシェルフニューラルネットワークモジュールで解決される。 私たちのモデルはモジュール化され、差別化可能で、解釈可能で、シナリオから余分な監督を得られるようになります。
  論文  参考訳（メタデータ） (2022-02-02T08:00:21Z)

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。