論文の概要: EvoSpark: Endogenous Interactive Agent Societies for Unified Long-Horizon Narrative Evolution

• arxiv url: http://arxiv.org/abs/2604.12776v1
• Date: Tue, 14 Apr 2026 14:16:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.489082
• Title: EvoSpark: Endogenous Interactive Agent Societies for Unified Long-Horizon Narrative Evolution
• Title（参考訳）: EvoSpark: 内因性対話型エージェントソサイエティ
• Authors: Shiyu He, Minchi Kuang, Mengxian Wang, Bin Hu, Tingxiang Gu,
• Abstract要約: EvoSparkは、Interactive Agent Societies内で論理的に一貫性のあるロングホライゾン物語を維持するために特別に設計されたフレームワークである。 これらはUnified Narrative Operation Engineで、Emergent Character Grounding Protocolを統合している。 実験によると、EvoSparkはさまざまなパラダイムでベースラインを大幅に上回っている。
• 参考スコア（独自算出の注目度）: 3.372172267816089
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Realizing endogenous narrative evolution in LLM-based multi-agent systems is hindered by the inherent stochasticity of generative emergence. In particular, long-horizon simulations suffer from social memory stacking, where conflicting relational states accumulate without resolution, and narrative-spatial dissonance, where spatial logic detaches from the evolving plot. To bridge this gap, we propose EvoSpark, a framework specifically designed to sustain logically coherent long-horizon narratives within Endogenous Interactive Agent Societies. To ensure consistency, the Stratified Narrative Memory employs a Role Socio-Evolutionary Base as living cognition, dynamically metabolizing experiences to resolve historical conflicts. Complementarily, Generative Mise-en-Scène mechanism enforces Role-Location-Plot alignment, synchronizing character presence with the narrative flow. Underpinning these is the Unified Narrative Operation Engine, which integrates an Emergent Character Grounding Protocol to transform stochastic sparking into persistent characters. This engine establishes a substrate that expands a minimal premise into an open-ended, evolving story world. Experiments demonstrate that EvoSpark significantly outperforms baselines across diverse paradigms, enabling the sustained generation of expressive and coherent narrative experiences.
• Abstract（参考訳）: LLMに基づくマルチエージェントシステムにおける内在的物語進化の実現は、生成的出現の固有の確率性によって妨げられる。 特に、長期水平シミュレーションは、競合する関係状態が解決なしに蓄積される社会記憶の積み重ねと、空間論理が進化するプロットから切り離される物語空間不協和に悩まされる。 このギャップを埋めるために,内因性対話型エージェント・ソシエティ内で論理的に一貫性のある長期物語を維持するために設計されたフレームワークであるEvoSparkを提案する。 整合性を確保するために、Stratified Narrative Memoryは、歴史紛争を解決するために経験を動的に代謝する、生きた認知として、社会進化基盤(英語版)を雇用している。 相補的に、生成的ミス・アン・セーヌ機構はロール・ロケーション・プロットアライメントを強制し、キャラクタの存在と物語の流れを同期させる。 これらはUnified Narrative Operation Engineで、Emergent Character Grounding Protocolを統合して、確率的発火を永続的な文字に変換する。 このエンジンは、最小限の前提をオープンエンドで進化するストーリーワールドに拡張する基盤を確立する。 実験により、EvoSparkは様々なパラダイムでベースラインを著しく上回り、表現的かつ一貫性のある物語体験の持続的な生成を可能にした。

関連論文リスト

• Directing the Narrative: A Finetuning Method for Controlling Coherence and Style in Story Generation [2.9255420892138306]
  堅牢で一貫したストーリー生成のために設計された2段階のフレームワークを提案する。 まず、本質的な一貫性を促進するメカニズムであるGSA(Group-Shared Attention)を紹介する。 第2に、DPO(Direct Preference Optimization)を利用して、生成した出力を人間の美学と物語の基準に合わせる。
  論文  参考訳（メタデータ） (2026-03-18T02:43:02Z)
• NarraScore: Bridging Visual Narrative and Musical Dynamics via Hierarchical Affective Control [59.6128550986024]
  ナラスコア(NarraScore)は、感情が物語論理の高密度圧縮として働くという中心的な洞察に基づく階層的なフレームワークである。 NarraScoreは、グローバルな構造とローカルなダイナミズムを調和させるために、Dual-Branch Injection戦略を採用している。 NarraScoreは、無視可能な計算オーバーヘッドを伴う最先端の一貫性と物語のアライメントを実現している。
  論文  参考訳（メタデータ） (2026-02-09T09:39:42Z)
• MUSE: A Multi-agent Framework for Unconstrained Story Envisioning via Closed-Loop Cognitive Orchestration [16.61208703961799]
  我々は,短いユーザプロンプトから長文音声視覚ストーリーを生成するフレームワークを開発した。 MUSEは物語の意図を、個人性、空間構成、時間的連続性に関する明示的で機械実行可能な制御に翻訳する。 MUSEは、ロングホライズンな物語のコヒーレンス、クロスモーダルなアイデンティティの整合性、および映画的品質を代表的ベースラインに比べて大幅に改善する。
  論文  参考訳（メタデータ） (2026-02-03T02:55:00Z)
• Self-Consolidation for Self-Evolving Agents [51.94826934403236]
  大規模言語モデル(LLM)エージェントは静的システムとして機能し、生涯にわたる相互作用を通じて進化する能力に欠ける。 相補的進化機構を導入したLLMエージェントのための新しい自己進化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-02T11:16:07Z)
• StoryBox: Collaborative Multi-Agent Simulation for Hybrid Bottom-Up Long-Form Story Generation Using Large Language Models [15.245564064908903]
  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。
  論文  参考訳（メタデータ） (2025-10-13T16:57:32Z)
• Identity-Preserving Text-to-Video Generation Guided by Simple yet Effective Spatial-Temporal Decoupled Representations [131.33758144860988]
  アイデンティティ保存型テキスト・ツー・ビデオ(IPT2V)生成は、一貫した人間のアイデンティティを持つ高忠実度ビデオを作成することを目的としている。 現在のエンドツーエンドフレームワークは、重要な空間的・時間的トレードオフを被る。 本稿では,表現をレイアウトの空間的特徴と運動力学の時間的特徴に分解する,シンプルで効果的な空間時空間分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-07T06:54:44Z)
• Neuron: Learning Context-Aware Evolving Representations for Zero-Shot Skeleton Action Recognition [64.56321246196859]
  本稿では,dUalスケルトン・セマンティック・セマンティック・セマンティック・セマンティック・シンジスティック・フレームワークを提案する。 まず、時空間進化型マイクロプロトタイプを構築し、動的コンテキスト認識側情報を統合する。 本研究では,空間的圧縮と時間的記憶機構を導入し,空間的時間的マイクロプロトタイプの成長を導く。
  論文  参考訳（メタデータ） (2024-11-18T05:16:11Z)

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。