論文の概要: Shadow-Loom: Causal Reasoning over Graphical World Model of Narratives
- arxiv url: http://arxiv.org/abs/2605.02475v1
- Date: Mon, 04 May 2026 11:18:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.260604
- Title: Shadow-Loom: Causal Reasoning over Graphical World Model of Narratives
- Title（参考訳）: シャドウ・ルーム: 物語のグラフ的世界モデルに対する因果関係
- Authors: David Wilmot,
- Abstract要約: Shadow-Loomは、実験的なオープンソースフレームワークで、物語をバージョン付きグラフィカルワールドモデルに変える。
同じグラフを4つの構造的読解状態に対してスコアするナラティブ物理を用いる。
コード、フィクスチャ、パイプラインがオープンソースとしてリリースされた。
- 参考スコア（独自算出の注目度）: 0.6091702876917279
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Stories hold a reader's attention because they have causes, secrets, and consequences. Shadow-Loom is an experimental open-source framework that turns a narrative into a versioned graphical world model and lets two engines act on it: a causal physics grounded in Pearl's ladder of causation and a recently proposed counterfactual calculus over Ancestral Multi-World Networks; and a narrative physics that scores the same graph against four structural reader-states -- mystery, dramatic irony, suspense, and surprise -- in the tradition of Sternberg's curiosity/suspense/surprise triad, with suspense formalised in the structural-affect line of work on story comprehension and computational suspense. Large language models are used only at the boundary: extraction, rendering, and audit; identification, intervention, and counterfactual reasoning are carried out in typed code over the graph. The system is offered as a research artefact rather than as a benchmarked NLP model; code, fixtures, and pipeline are released open source.
- Abstract（参考訳）: 物語には原因、秘密、結果があるので読者の注意を引いている。
Shadow-Loom(シャドウ・ルーム)は、実験的なオープンソースフレームワークで、物語をバージョン付きグラフィカルな世界モデルに転換し、2つのエンジンを動作させる: パールの因果関係のはしごと、最近提案されたAncestral Multi-World Networksに対する反ファクト的計算、そして、Sternbergの好奇心/サスペンス/サプライズ三部作の伝統に則って、同じグラフを4つの構造的読影状態(ミステリー、劇的皮肉、サスペンス、サスペンス、サスペンス)に対してスコアする物語物理学。
大規模な言語モデルは、抽出、レンダリング、監査のバウンダリでのみ使用され、グラフ上の型付きコードで識別、介入、および対実的推論が行われる。
このシステムは、ベンチマークされたNLPモデルではなく、研究成果物として提供されており、コード、フィクスチャ、パイプラインはオープンソースとしてリリースされている。
関連論文リスト
- LitVISTA: A Benchmark for Narrative Orchestration in Literary Text [20.35180998049897]
計算的物語分析は、文学テキストにおけるリズム、緊張、感情のダイナミクスを捉えることを目的としている。
既存の大きな言語モデルは長いストーリーを生成できるが、因果一貫性に過度にフォーカスする。
本稿では,物語オーケストレーションのための高次元表現フレームワークであるVISTA Spaceを提案する。
論文 参考訳（メタデータ） (2026-01-10T06:08:28Z) - EventGround: Narrative Reasoning by Grounding to Eventuality-centric Knowledge Graphs [41.928535719157054]
本研究では,事象中心の知識グラフに自由文を接地する問題に対処するため,EventGroundと呼ばれる初期包括的フレームワークを提案する。
これらの問題に対処するために、単純で効果的な解析と部分的な情報抽出方法を提案する。
基礎知識を取り入れた我々の枠組みは、解釈可能な証拠を提供しながら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） (2024-03-30T01:16:37Z) - Visual Abductive Reasoning [85.17040703205608]
帰納的推論は、部分的な観察の可能な限りの可能な説明を求める。
本稿では,日常的な視覚的状況下でのマシンインテリジェンスの帰納的推論能力を調べるために,新たなタスクとデータセットであるVisual Abductive Reasoning(VAR)を提案する。
論文 参考訳（メタデータ） (2022-03-26T10:17:03Z) - Guiding Neural Story Generation with Reader Models [5.935317028008691]
本稿では、読者モデルを用いてストーリーを推論するフレームワークであるReader Models(StoRM)によるストーリー生成について紹介する。
実験により、我々のモデルは、プロットの可視性やトピックの継続など、次元のベースラインをはるかに上回り、コヒーレントでオントピー的な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） (2021-12-16T03:44:01Z) - Fact-driven Logical Reasoning for Machine Reading Comprehension [82.58857437343974]
私たちは、常識と一時的な知識のヒントの両方を階層的にカバーする動機があります。
具体的には,文の背骨成分を抽出し,知識単位の一般的な定式化を提案する。
次に、事実単位の上にスーパーグラフを構築し、文レベル(事実群間の関係)と実体レベルの相互作用の利点を享受する。
論文 参考訳（メタデータ） (2021-05-21T13:11:13Z) - ExplaGraphs: An Explanation Graph Generation Task for Structured
Commonsense Reasoning [65.15423587105472]
スタンス予測のための説明グラフ生成の新しい生成および構造化コモンセンスリゾニングタスク(および関連するデータセット)を紹介します。
具体的には、信念と議論が与えられた場合、モデルは、議論が信念を支持しているかどうかを予測し、予測されたスタンスに対する非自明で完全で曖昧な説明として機能する常識強化グラフを生成する必要がある。
グラフの83%は、様々な構造と推論深度を持つ外部のコモンセンスノードを含んでいる。
論文 参考訳（メタデータ） (2021-04-15T17:51:36Z) - Graph-based Multi-hop Reasoning for Long Text Generation [66.64743847850666]
MRGはグラフベースのマルチホップ推論モジュールとパス認識文実現モジュールの2部で構成されている。
従来のブラックボックスモデルとは異なり、MRGはスケルトンパスを明示的に推論し、提案されたモデルがどのように機能するかを説明する説明的なビューを提供する。
論文 参考訳（メタデータ） (2020-09-28T12:47:59Z) - A Knowledge-Enhanced Pretraining Model for Commonsense Story Generation [98.25464306634758]
本稿では,外部知識ベースからのコモンセンス知識を利用して,合理的なストーリーを生成することを提案する。
我々は,真と偽のストーリーを識別するための差別的目的を組み合わせたマルチタスク学習を採用している。
我々のモデルは、特に論理学とグローバルコヒーレンスの観点から、最先端のベースラインよりも合理的なストーリーを生成することができる。
論文 参考訳（メタデータ） (2020-01-15T05:42:27Z)
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。