論文の概要: From World-Gen to Quest-Line: A Dependency-Driven Prompt Pipeline for Coherent RPG Generation

• arxiv url: http://arxiv.org/abs/2604.25482v1
• Date: Tue, 28 Apr 2026 10:39:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.822838
• Title: From World-Gen to Quest-Line: A Dependency-Driven Prompt Pipeline for Coherent RPG Generation
• Title（参考訳）: World-GenからQuest-Lineへ:コヒーレントRPG生成のための依存性駆動型プロンプトパイプライン
• Authors: Dominik Borawski, Marta Szulc, Robert Chudy, Małgorzata Giedrowicz, Piotr Mironowicz,
• Abstract要約: 本稿では,手続き型RPGコンテンツ生成のための依存性対応多段階プロンプトパイプラインについて検討する。 世代はワールドビルディング、ノンプレイヤーキャラクター作成、プレイヤーキャラクター作成、キャンペーンレベルのクエスト計画、クエスト拡張の順に分解される。 論理的に健全で構造的に有効なRPGコンテンツを一貫して生成するが、複雑さが増すにつれて品質が低下することはない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) have shown strong potential for narrative generation, but their use in complex, multi-layered role-playing game (RPG) worlds is still limited by issues of coherence, controllability, and structural consistency. This paper explores a dependency-aware, multi-stage prompt pipeline for procedural RPG content generation that models narrative dependencies through structured intermediate representations. The approach decomposes generation into sequential stages: world building, non-player character creation, player character creation, campaign-level quest planning, and quest expansion. Each stage conditions on structured JSON outputs from previous stages. By enforcing schemas and explicit data flow, the pipeline reduces narrative drift, limits hallucinations, and supports scalable creation of interconnected narrative elements. The system is evaluated qualitatively through human-centered analysis across multiple independent runs. Outputs are assessed using criteria such as structural completeness, internal consistency, narrative coherence, diversity, and actionability. Results show that the pipeline consistently generates logically sound and structurally valid RPG content, without quality degradation as complexity increases. Separating high-level campaign planning from detailed quest expansion improves both global structure and local storytelling. These findings suggest that dependency-aware prompt pipelines with structured intermediate representations are an effective design pattern for LLM-based procedural content generation. This approach may also generalize to other domains requiring sequential reasoning over evolving contextual states.
• Abstract（参考訳）: 大規模言語モデル(LLM)は物語生成に強い可能性を示しているが、複雑な多層ロールプレイングゲーム(RPG)の世界では、コヒーレンス、制御可能性、構造的整合性の問題がある。 本稿では、構造化中間表現を通して物語の依存関係をモデル化するプロシージャRPGコンテンツ生成のための依存性対応多段階プロンプトパイプラインについて検討する。 このアプローチは生成を、ワールドビルディング、ノンプレイヤーキャラクタ生成、プレイヤーキャラクタ生成、キャンペーンレベルのクエスト計画、クエスト拡張という逐次的な段階に分解する。 構造化JSON出力のそれぞれのステージ条件は、以前のステージからである。 スキーマと明示的なデータフローを強制することにより、パイプラインは物語の漂流を減らし、幻覚を制限し、相互接続された物語要素のスケーラブルな作成をサポートする。 このシステムは、複数の独立したランニングにまたがる人間中心の分析を通じて質的に評価される。 アウトプットは、構造的完全性、内部整合性、物語的一貫性、多様性、行動可能性といった基準を用いて評価される。 その結果、パイプラインは論理的に健全で構造的に有効なRPGコンテンツを一貫して生成し、複雑さが増大するにつれて品質が低下することはないことがわかった。 高レベルなキャンペーン計画と詳細なクエスト拡張の分離は、グローバルな構造とローカルなストーリーテリングの両方を改善します。 これらの結果から, 構造化中間表現を用いた依存性認識型プロンプトパイプラインは, LLMに基づく手続き型コンテンツ生成に有効な設計パターンであることが示唆された。 このアプローチは、進化する文脈状態に対してシーケンシャルな推論を必要とする他の領域にも一般化される。

関連論文リスト

• DeepSynth-Eval: Objectively Evaluating Information Consolidation in Deep Survey Writing [53.85037373860246]
  本稿では,情報統合能力を客観的に評価するためのベンチマークであるDeep Synth-Evalを紹介する。 一般チェックリスト(実例)と制約チェックリスト(構造体)を用いたきめ細かい評価プロトコルを提案する。 その結果,エージェント型プラン・アンド・ライトは単ターン生成よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-01-07T03:07:52Z)
• Event Extraction in Large Language Model [99.94321497574805]
  私たちは、LLM中心のソリューションに認知的な足場を提供するシステムコンポーネントとして、EEは見なされるべきである、と論じます。 この調査では、EEのテキストとマルチモーダル設定、タスクと分類の整理、ルールベースとニューラルモデルから命令駆動および生成フレームワークへのメソッド進化のトレースについて取り上げている。
  論文  参考訳（メタデータ） (2025-12-22T16:22:14Z)
• CreAgentive: An Agent Workflow Driven Multi-Category Creative Generation Engine [4.644735042881366]
  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。
  論文  参考訳（メタデータ） (2025-09-30T16:12:32Z)
• Beyond Chunking: Discourse-Aware Hierarchical Retrieval for Long Document Question Answering [51.7493726399073]
  本稿では,長文質問応答を改善するための対話型階層型フレームワークを提案する。 このフレームワークには3つの重要な革新がある: 長文の専門的な談話解析、LLMに基づく談話関係ノードの拡張、構造誘導階層検索である。
  論文  参考訳（メタデータ） (2025-05-26T14:45:12Z)
• ConTReGen: Context-driven Tree-structured Retrieval for Open-domain Long-form Text Generation [26.4086456393314]
  長い形式のテキスト生成には、幅と深さの両方で複雑なクエリに対処する一貫性のある包括的な応答が必要である。 既存の反復的な検索拡張生成アプローチは、複雑なクエリの各側面を深く掘り下げるのに苦労することが多い。 本稿では,コンテキスト駆動型木構造検索手法を用いた新しいフレームワークであるConTReGenを紹介する。
  論文  参考訳（メタデータ） (2024-10-20T21:17:05Z)
• Guiding and Diversifying LLM-Based Story Generation via Answer Set Programming [1.7889842797216124]
  大規模言語モデル(LLM)は、オープンエンドのユーザ要求に応じてストーリーを生成することができる。 本稿では,高レベルかつ抽象的な高レベルなストーリー構造仕様を用いて,ストーリー生成のガイドと多様化を提案する。
  論文  参考訳（メタデータ） (2024-06-01T21:14:25Z)
• Improving Pacing in Long-Form Story Planning [55.39443681232538]
  ストーリーアウトラインを自動的に生成する際のペアリングを改善するためのConCrete Outline ConTrolシステムを提案する。 まず,2つの事象のどちらがより具体的であるかを判断するために,具体性評価器を訓練する。 本研究では,一様ペーシングを目的とした,あいまいな第1展開手順について検討する。
  論文  参考訳（メタデータ） (2023-11-08T04:58:29Z)
• 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)
• Summarize, Outline, and Elaborate: Long-Text Generation via Hierarchical Supervision from Extractive Summaries [46.183289748907804]
  長文生成のためのアウトライン化,アウトライン化,エラボレートを行うパイプラインシステムSOEを提案する。 SOEは、より高速な収束速度とともに、非常に優れた品質の長いテキストを生成する。
  論文  参考訳（メタデータ） (2020-10-14T13:22:20Z)
• STORIUM: A Dataset and Evaluation Platform for Machine-in-the-Loop Story Generation [48.56586847883825]
  我々は、オンラインのコラボレーティブなストーリーテリングコミュニティであるSTORiumから構築されたデータセットと評価プラットフォームを紹介した。 データセットには6Kの長編記事と、各物語に散在する詳細な自然言語アノテーションが含まれています。 我々は、STORiumにそれらを統合することで、データセット上で微調整された言語モデルを評価し、実際の著者は提案されたストーリーの継続をモデルに問い合わせ、編集することができる。
  論文  参考訳（メタデータ） (2020-10-04T23:26:09Z)

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。