論文の概要: World-State Transformations for Neuro-symbolic Interactive Storytelling

• arxiv url: http://arxiv.org/abs/2605.24719v1
• Date: Sat, 23 May 2026 20:14:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.344986
• Title: World-State Transformations for Neuro-symbolic Interactive Storytelling
• Title（参考訳）: ニューロシンボリックな対話型ストーリーテリングのための世界状態変換
• Authors: Santiago Góngora, Luis Chiruzzo, Gonzalo Méndez, Pablo Gervás,
• Abstract要約: 大言語モデル(LLM)は、自由テキストユーザ入力を処理する対話型ストーリーテリングシステムの可能性を変えた。 最近の研究は、LLMがルールベースの対話型ストーリーテリングシステムにおける状態変化を効果的に予測し、事前にプログラムされた世界状態変換を引き起こすことを示唆している。 我々は,このような変換がプレイヤー表現の触媒として機能するかどうかを探索的に評価し,純粋にLLMベースのアプローチに典型的な不整合問題に対処する。
• 参考スコア（独自算出の注目度）: 2.434063731516025
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large Language Models (LLMs) have changed the possibilities of Interactive Storytelling systems that process free-text user input. However, as more of these systems are built, evidence continues to mount regarding the story coherence problems that arise when relying solely on them. Recent research suggests that LLMs can effectively predict state changes within rule-based Interactive Storytelling systems, triggering pre-programmed world-state transformations. In this paper, we conduct an exploratory evaluation of whether such transformations can serve as a catalyst for player expression while aiming to address the incoherence issues typical of purely LLM-based approaches. Building upon a neuro-symbolic architecture, we conducted experiments using an open-source model (Llama 3 70B) and a closed-source model (Gemini 1.5 Flash), with testing conducted in both English and Spanish. Eight participants played two scenarios, carefully designed to assess different evaluation objectives. Our observations suggest that transformations offer a way to maintain world-state consistency while encouraging players to interact creatively through their written inputs.
• Abstract（参考訳）: 大言語モデル(LLM)は、自由テキストユーザ入力を処理する対話型ストーリーテリングシステムの可能性を変えた。 しかし、これらのシステムがより多く構築されるにつれて、それらにのみ依存するときに生じるストーリーコヒーレンス問題に関するエビデンスも増え続けている。 最近の研究は、LLMがルールベースの対話型ストーリーテリングシステムにおける状態変化を効果的に予測し、事前にプログラムされた世界状態変換を引き起こすことを示唆している。 本稿では,このような変換がプレイヤー表現の触媒として機能するかどうかを探索的に評価する。 ニューロシンボリックアーキテクチャを基盤として,オープンソースモデル(Llama 3 70B)とクローズドソースモデル(Gemini 1.5 Flash)を用いて実験を行った。 8人の参加者が2つのシナリオを実行し、異なる評価目標を慎重に評価した。 我々の観察では、トランスフォーメーションは、プレイヤーが書き込んだ入力を通じて創造的に対話することを奨励しながら、世界的一貫性を維持する方法を提供することを示唆している。

関連論文リスト

• NARRA-Gym for Evaluating Interactive Narrative Agents [69.49891044929372]
  NARRA-Gymは,まばらな感情的シードを完全なインタラクティブな物語のエピソードに変換する評価環境である。 我々は,8つのベンチマークペルソナに対して制御されたLLM-as-judgeスイープと,参加者がカスタマイズされたモデル出力を評価できる人的評価を用いて,9つのフロンティアLLMを評価する。
  論文  参考訳（メタデータ） (2026-05-08T21:36:23Z)
• Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
  2つの軸に沿って組織された「レベルx法」の分類を導入します。 第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。 我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
  論文  参考訳（メタデータ） (2026-04-24T17:48:47Z)
• Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
  本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。 ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。 我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
  論文  参考訳（メタデータ） (2025-10-11T18:11:09Z)
• CoPrUS: Consistency Preserving Utterance Synthesis towards more realistic benchmark dialogues [0.27309692684728604]
  自動パイプラインにおける合成通信エラーの生成について検討する。 実世界の対話では起こりうるが、ベンチマークデータセットでは表現できない3種類のコミュニケーションに焦点をあてる。 我々の2段階のアプローチは、最先端のLarge Language Model (LLM) を使用して、まずエラーを生成し、次に補修発話を作成します。
  論文  参考訳（メタデータ） (2024-12-10T13:51:55Z)
• LangSuitE: Planning, Controlling and Interacting with Large Language Models in Embodied Text Environments [70.91258869156353]
  テキストエンボディの世界における6つの代表的具体的タスクを特徴とする多目的・シミュレーション不要なテストベッドであるLangSuitEを紹介する。 以前のLLMベースのテストベッドと比較すると、LangSuitEは複数のシミュレーションエンジンを使わずに、多様な環境への適応性を提供する。 具体化された状態の履歴情報を要約した新しいチェーン・オブ・ソート(CoT)スキーマであるEmMemを考案する。
  論文  参考訳（メタデータ） (2024-06-24T03:36:29Z)
• Simulating Task-Oriented Dialogues with State Transition Graphs and Large Language Models [16.94819621353007]
  SynTODは、エンドツーエンドのタスク指向対話(TOD)システムを開発するための新しい合成データ生成手法である。 大規模言語モデルを用いたランダムウォークと応答シミュレーションにより多様な構造化された会話を生成する。 実験では,グラフ誘導応答シミュレーションを用いて意図分類,スロット充填,応答関連性を大幅に改善した。
  論文  参考訳（メタデータ） (2024-04-23T06:23:34Z)
• A Survey of the Evolution of Language Model-Based Dialogue Systems: Data, Task and Models [24.120097746860928]
  本稿では,対話システムの歴史,特に言語モデルの発展との関係を深く考察する。 この調査は、言語モデルと対話システムの間の動的相互作用を掘り下げ、この本質的な関係の進化経路を明らかにする。
  論文  参考訳（メタデータ） (2023-11-28T13:51:32Z)
• Structured Like a Language Model: Analysing AI as an Automated Subject [0.0]
  我々は、大規模言語モデルに対する主観性の意図的な予測は、AIの振る舞いを分析できる別のフレームを生み出すことができると論じる。 我々は、最先端の自然言語処理性能を実現するシステムのリリースにおいて、言語モデルに関する短い歴史を辿る。 批判的メディア手法と精神分析理論が組み合わさって、AI駆動型言語システムの強力な新しい能力を把握するための生産的枠組みを提供すると結論付けている。
  論文  参考訳（メタデータ） (2022-12-08T21:58:43Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)
• Inner Monologue: Embodied Reasoning through Planning with Language Models [81.07216635735571]
  大規模言語モデル(LLM)は自然言語処理以外の領域に適用できる。 具体化された環境でのLLMの計画には、何をすべきかだけでなく、どのように、いつ行うべきかを考える必要がある。 環境フィードバックを活用することで、LLMはロボット制御シナリオにおいてよりリッチな処理と計画を行うことができる内部モノローグを形成することができる。
  論文  参考訳（メタデータ） (2022-07-12T15:20:48Z)

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。