論文の概要: Improving Collaborative Storytelling with a Multi-Agent Framework Based on Large Language Models

• arxiv url: http://arxiv.org/abs/2605.29625v1
• Date: Thu, 28 May 2026 08:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.089174
• Title: Improving Collaborative Storytelling with a Multi-Agent Framework Based on Large Language Models
• Title（参考訳）: 大規模言語モデルに基づく多エージェントフレームワークによる協調的ストーリーテリングの改善
• Abstract要約: 本稿では,子どもとLarge Language Models(LLMs)を包含する新しい共創シナリオについて考察する。 我々のゴールは、若手プレイヤーに適した高品質な物語を制作できるマルチエージェントフレームワークを開発することである。
• 参考スコア（独自算出の注目度）: 1.3320917259299652
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The topic of Co-creation, i.e., AI agents interacting with humans to generate outputs (e.g., art), has gained significant attention recently. However, most studies focus on adult-human interactions in a digital setting. This paper explores a novel ludic co-creation scenario involving children and Large Language Models (LLMs) interacting through a physical board game to create written stories. Our goal is to develop a multi-agent framework capable of producing high-quality narratives suitable for young players. At the core of our approach is an iterative Writer-Editor process in which one LLM generates stories while another evaluates them and provides feedback for refinement. Through a simulation study involving multiple LLMs, we show that this iterative interaction consistently improves the perceived quality of generated stories across successive loops. The results indicate that a small number of refinement steps may be sufficient to achieve high-quality outputs in interactive storytelling systems.
• Abstract（参考訳）: 共同創造の話題、すなわち、人間と対話してアウトプット(例えば芸術)を生成するAIエージェントは、近年大きな注目を集めている。 しかし、ほとんどの研究は、デジタル環境での成人と人間の相互作用に焦点を当てている。 本稿では,児童と大規模言語モデル(LLM)が物理的ボードゲームを通して相互作用し,物語を創造する,新たな滑稽な共創シナリオについて考察する。 我々のゴールは、若手プレイヤーに適した高品質な物語を制作できるマルチエージェントフレームワークを開発することである。 私たちのアプローチの核心は、反復的なWriter-Editorプロセスで、1つのLLMがストーリーを生成し、もう1つのLLMがそれらを評価し、改善のためのフィードバックを提供する。 複数のLLMを含むシミュレーション研究を通して、この反復的相互作用は連続するループにまたがって生成されたストーリーの知覚品質を一貫して改善することを示す。 その結果,対話型ストーリーテリングシステムにおいて,高品質なアウトプットを実現するためには,少数の改良ステップが十分である可能性が示唆された。

関連論文リスト

• OPEN-THEATRE: An Open-Source Toolkit for LLM-based Interactive Drama [62.00761178362677]
  Open-Theatreは、LLMベースのインタラクティブドラマを体験し、カスタマイズするための最初のオープンソースツールキットである。 効率的なマルチエージェントアーキテクチャと階層型検索ベースのメモリシステムによる事前処理を洗練する。
  論文  参考訳（メタデータ） (2025-09-20T14:53:14Z)
• MM-StoryAgent: Immersive Narrated Storybook Video Generation with a Multi-Agent Paradigm across Text, Image and Audio [48.820808691986805]
  MM-StoryAgentは、洗練されたプロット、ロール一貫性のあるイメージ、マルチチャンネルオーディオを備えた没入型ナレーションビデオストーリーブックを作成する。 このフレームワークは、多段階の書き込みパイプラインを通じてストーリーの魅力を高める。 MM-StoryAgentは、さらなる開発のための柔軟なオープンソースプラットフォームを提供する。
  論文  参考訳（メタデータ） (2025-03-07T08:53:10Z)
• StoryAgent: Customized Storytelling Video Generation via Multi-Agent Collaboration [88.94832383850533]
  CSVG(Customized Storytelling Video Generation)のためのマルチエージェントフレームワークを提案する。 StoryAgentはCSVGを特殊エージェントに割り当てられた個別のサブタスクに分解し、プロの制作プロセスを反映する。 具体的には、撮影時間内整合性を高めるために、カスタマイズされたイメージ・ツー・ビデオ(I2V)手法であるLoRA-BEを導入する。 コントリビューションには、ビデオ生成タスクのための汎用フレームワークであるStoryAgentの導入や、プロタゴニストの一貫性を維持するための新しい技術が含まれている。
  論文  参考訳（メタデータ） (2024-11-07T18:00:33Z)
• Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
  本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。 エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
  論文  参考訳（メタデータ） (2024-10-03T15:44:42Z)
• A Character-Centric Creative Story Generation via Imagination [15.345466372805516]
  我々はCCI(Character-centric Creative Story Generation via Imagination)と呼ばれる新しいストーリー生成フレームワークを紹介する。 CCIは創造的ストーリー生成のための2つのモジュール、IG(Image-Guided Imagination)とMW(Multi-Writer model)を備えている。 IGモジュールでは,文字や背景,メインプロットといった重要なストーリー要素を視覚的に表現するために,テキスト・ツー・イメージモデルを利用する。 MWモジュールはこれらのストーリー要素を使用して複数のペルソナ記述候補を生成し、ストーリーに挿入する最適なストーリーを選択することにより、物語の豊かさと深さを高める。
  論文  参考訳（メタデータ） (2024-09-25T06:54:29Z)
• SEED-Story: Multimodal Long Story Generation with Large Language Model [66.37077224696242]
  SEED-Storyは、MLLM(Multimodal Large Language Model)を利用して拡張マルチモーダルストーリーを生成する新しい手法である。 マルチモーダルアテンションシンク機構を提案し,最大25個のストーリー(トレーニング用10個)を高い効率で自動回帰的に生成する。 本稿では,大規模かつ高解像度なStoryStreamというデータセットを提案する。
  論文  参考訳（メタデータ） (2024-07-11T17:21:03Z)
• From Words to Worlds: Transforming One-line Prompt into Immersive Multi-modal Digital Stories with Communicative LLM Agent [11.553884271082127]
  本稿では,デジタルストーリーテリングを自動化するためのStoryAgentフレームワークを紹介する。 StoryAgentは手動の介入、インタラクティブなシーンオーケストレーション、物語の一貫性といった重要な問題に取り組む。 その結果、参照ビデオなしでコヒーレントなデジタルストーリーを作成できるフレームワークの能力を実証した。
  論文  参考訳（メタデータ） (2024-06-15T03:03:43Z)
• Collaborative Storytelling with Large-scale Neural Language Models [6.0794985566317425]
  我々は、人工知能エージェントと人が協力して、交代で追加することでユニークなストーリーを作るという、協調的なストーリーテリングのタスクを紹介します。 本稿では,人間ストーリーテラーと協調して物語を創り出す共同ストーリーテリングシステムについて述べる。
  論文  参考訳（メタデータ） (2020-11-20T04:36:54Z)
• Cue Me In: Content-Inducing Approaches to Interactive Story Generation [74.09575609958743]
  本研究では,対話型物語生成の課題に焦点をあてる。 本稿では、この追加情報を効果的に活用するための2つのコンテンツ誘導手法を提案する。 自動評価と人的評価の両方による実験結果から,これらの手法がよりトポロジ的な一貫性とパーソナライズされた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） (2020-10-20T00:36:15Z)

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。