論文の概要: Narrative Flattening: How Post-Training Compresses Thematic, Affective, and Stylistic Variation in LLM Fiction

• arxiv url: http://arxiv.org/abs/2605.27878v1
• Date: Wed, 27 May 2026 02:55:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.698443
• Title: Narrative Flattening: How Post-Training Compresses Thematic, Affective, and Stylistic Variation in LLM Fiction
• Title（参考訳）: ナラティブ・フラッテニング : ポスト・トライニングがLDMフィクションのテーマ, 効果, スティリスティックな変化をいかに抑制するか
• Authors: Zehan Li, Yutong Zhu, Siyang Wu, Honglin Bao, James A. Evans,
• Abstract要約: StoryStar、TMAS、The New Yorkerにまたがるマッチングされたストーリー継続パラダイムを構築します。 4つのOLMo 32Bチェックポイントからの継続を一致した人文と比較する。 これらのチェックポイントは、アーキテクチャ、スケール、トークン化、事前トレーニングを共有するため、設計はポストトレーニング効果を分離する。
• 参考スコア（独自算出の注目度）: 3.8920533503590007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models produce fluent fiction, yet their creative output is widely seen as flat. We ask where this quality originates in the training and whether it affects different domains of human fiction equally. We construct a matched story-continuation paradigm across StoryStar (public-platform), TMAS (prompt-guided), and The New Yorker (professional literary)-and compare continuations from four OLMo 32B checkpoints (Base, SFT, DPO, RLVR) against matched human text. Because these checkpoints share architecture, scale, tokenizer, and pretraining, the design isolates the post-training effect. We measure each continuation along three sentence-level dimensions: thematic motion, affective prevalence, and linguistic diversity. Across all three, post-training compresses dynamic variation: thematic transitions become more uniform, high-intensity emotions give way to neutrality, and stylistic diversity across stories shrinks. We term this progressive loss narrative flattening. The effect is directionally stable across story domains but gap size depends on the human baseline: professional literary fiction is compressed most, while public-platform and prompt-guided stories show smaller gaps, consistent with their human baselines sitting closer to the model's default rhythm. Post-trained endpoints converge across domains, suggesting alignment produces a continuation regime largely insensitive to the source domain's narrative texture.
• Abstract（参考訳）: 大型の言語モデルは流動的なフィクションを生み出すが、創造的なアウトプットは広くフラットと見なされている。 我々は、このクオリティがトレーニングのどこから来たのか、そしてそれが人間のフィクションの異なる領域に等しく影響を及ぼすのかを問う。 我々は、StoryStar(パブリックプラットフォーム)、TMAS(プロ向けガイダンス)、The New Yorker(プロ向け文学)の4つのOLMo 32Bチェックポイント(Base, SFT, DPO, RLVR)と一致した人間のテキストとの連続性を比較し、一致したストーリー継続パラダイムを構築した。 これらのチェックポイントは、アーキテクチャ、スケール、トークン化、事前トレーニングを共有するため、設計はポストトレーニング効果を分離する。 それぞれの継続度を3つの文レベル(主題運動,情緒的有病率,言語多様性)に沿って測定する。 テーマの遷移はより均一になり、高強度の感情は中立性に道を譲り、ストーリーのスタイリスティックな多様性は減少する。 我々はこの進歩的な損失物語を平らに表現する。 プロの文学小説が最も圧縮されているのに対して、公共のプラットフォームや即席の物語は、モデルのデフォルトのリズムに近づいている人間のベースラインと一致する、より小さなギャップを示している。 訓練後のエンドポイントはドメイン全体に収束し、アライメントがソースドメインのナラティブテクスチャに大きく依存しない継続構造を生成することを示唆する。

関連論文リスト

• StoryScope: Investigating idiosyncrasies in AI fiction [26.913725703912572]
  AIによって生成されたストーリーは物語空間の共有領域に集まり、人間によるストーリーはより多様性を示す。 より広範に、これらの結果は、記述スタイルだけでなく、下層の物語構成の違いが、人間によるオリジナル作品とAI生成フィクションの区別に利用できることを示唆している。
  論文  参考訳（メタデータ） (2026-04-03T15:56:38Z)
• Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
  本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。 我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。 また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2024-09-20T14:56:33Z)
• Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
  本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。 本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。 談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
  論文  参考訳（メタデータ） (2024-07-18T08:02:49Z)
• Measuring Psychological Depth in Language Models [50.48914935872879]
  本稿では,文学理論に根ざした新たな枠組みである心理的深度尺度(PDS)を紹介する。 PDS(0.72 クリッペンドルフのα)に基づいて人間が一貫して物語を評価できることを示し、我々の枠組みを実証的に検証する。 驚いたことに、GPT-4のストーリーはRedditから入手した高評価の人文記事と統計的に区別できない。
  論文  参考訳（メタデータ） (2024-06-18T14:51:54Z)
• CPST: Comprehension-Preserving Style Transfer for Multi-Modal Narratives [1.320904960556043]
  漫画や漫画などの静的な視覚的物語の中で、提示の面では異なる視覚的スタイルが存在する。 テキスト要素とメディア要素の両方のレイアウトは、物語コミュニケーションにおいても重要である。 このようなマルチモーダルドメインにおける理解保存スタイル転送(CPST)の概念を導入する。
  論文  参考訳（メタデータ） (2023-12-14T07:26:18Z)
• Inferring the Reader: Guiding Automated Story Generation with Commonsense Reasoning [12.264880519328353]
  生成プロセスにコモンセンス推論を導入するフレームワークであるCommonsense-inference Augmented Neural StoryTelling (CAST)を紹介する。 我々のCAST手法は,既存のモデルよりも,一文字と二文字の両方で,一貫性があり,オントピー的,楽しむことができる。
  論文  参考訳（メタデータ） (2021-05-04T06:40:33Z)
• PlotMachines: Outline-Conditioned Generation with Dynamic Plot State Tracking [128.76063992147016]
  PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。 さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
  論文  参考訳（メタデータ） (2020-04-30T17:16:31Z)

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。