論文の概要: ArcANE: Do Role-Playing Language Agents Stay in Character at the Right Time?

• arxiv url: http://arxiv.org/abs/2606.05553v1
• Date: Thu, 04 Jun 2026 01:07:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.460246
• Title: ArcANE: Do Role-Playing Language Agents Stay in Character at the Right Time?
• Title（参考訳）: ArcANE:ロールプレイング言語エージェントは正しいタイミングでキャラクタに留まるのか?
• Authors: Woojung Song, Nalim Kim, Sangjun Song, Chaewon Heo, Jongwon Lim, Yohan Jo,
• Abstract要約: ArcANE (Arc-Aware Narrative Evaluation) は17の小説と80の主要キャラクターにまたがる自動構築のベンチマークである。 キャラクタアークは、物語を心理学的な軸に沿ってフェーズに分割し、それぞれのプローブは同じシナリオをフェーズに分けて、ソーステキスト内の両方の状況とそれを超える状況にまたがる。 我々は、同じデータ上にオープンウェイトモデルをさらに微調整し、ArcANE-8B/32Bを得る。
• 参考スコア（独自算出の注目度）: 10.771852563354507
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Role-playing language agents (RPLAs) should play characters whose values and behavior evolve as the story progresses, not maintain a fixed persona. Existing benchmarks measure factual recall at a given chapter, not whether responses align with the character's psychological trajectory, especially in scenarios the source text never explores. We introduce ArcANE (Arc-Aware Narrative Evaluation), an automatically constructed benchmark spanning 17 novels and 80 principal characters. A Character Arc segments the narrative into phases along a psychological axis, and each probe poses the same scenario across phases, spanning both situations within the source text and situations beyond it. Across six models and six context modes, conditioning on the Character Arc tops every other context strategy on every model, and the gap is largest on scenarios outside the source text where retrieval has nothing to find. We further fine-tune open-weight models on the same data to obtain ArcANE-8B/32B, which widen the Arc advantage even more on scenarios outside the source text.
• Abstract（参考訳）: ロールプレイング言語エージェント(RPLA)は、ストーリーが進行するにつれて価値と振る舞いが進化する文字を再生し、固定されたペルソナを維持するべきではない。 既存のベンチマークは、応答がキャラクターの心理的軌跡と一致するかどうかではなく、特定の章での事実的リコールを測定する。 Arc-Aware Narrative Evaluation(Arc-Aware Narrative Evaluation,Arc-Aware Narrative Evaluation,Arc-Aware Narrative Evaluation)は17の小説と80の主要キャラクターにまたがる自動構築ベンチマークである。 キャラクタアークは、物語を心理学的軸に沿ったフェーズに分割し、各プローブは同じシナリオをフェーズに当てはめ、ソーステキスト内の両方の状況とそれを超える状況にまたがる。 6つのモデルと6つのコンテキストモードで、キャラクタアークの条件付けは、すべてのモデル上の他のコンテキスト戦略のトップであり、そのギャップは、検索が何も見つからないソーステキスト以外のシナリオで最大である。 我々は、同じデータ上にオープンウェイトモデルをさらに微調整し、ArcANE-8B/32Bを得る。

関連論文リスト

• MARCUS: An Event-Centric NLP Pipeline that generates Character Arcs from Narratives [3.0765811485120182]
  MARCUSは,人物間の関係をモデル化するためのイベント,参加者キャラクタ,インプリード感情,感情を抽出するNLPパイプラインである。 2つの拡張ファンタジーシリーズ、ハリー・ポッターとロード・オブ・ザ・リングからキャラクターアークを生成する。
  論文  参考訳（メタデータ） (2025-10-21T01:03:48Z)
• OmniCharacter: Towards Immersive Role-Playing Agents with Seamless Speech-Language Personality Interaction [123.89581506075461]
  OmniCharacter は,低レイテンシで没入型 RPA を実現するための対話型対話モデルである。 具体的には、OmniCharacterは、エージェントが相互作用を通して、ロール固有の性格特性と声質特性を一貫して表示できるようにする。 提案手法は,既存のRPAモデルや主流言語モデルと比較して,応答遅延を289msに抑えながら,内容とスタイルの両面で優れた応答が得られる。
  論文  参考訳（メタデータ） (2025-05-26T17:55:06Z)
• 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)
• ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context [50.572907418430155]
  ContextualStoryは、コヒーレントなストーリーフレームを生成し、ビジュアルなストーリーテリングのためにフレームを拡張するように設計されたフレームワークである。 ストーリーライン埋め込みにおけるコンテキストを豊かにするストーリーラインコンテクストアライザと、フレーム間のシーン変化を測定するストーリーフローアダプタを導入する。 PororoSVとFlintstonesSVデータセットの実験では、ContextualStoryはストーリーの可視化と継続の両方で既存のSOTAメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-07-13T05:02:42Z)
• CHIRON: Rich Character Representations in Long-Form Narratives [98.273323001781]
  文字のテキスト情報を整理・フィルタリングする新しい文字シートの表現であるCHIRONを提案する。 実験の結果,CHIRONは類似の要約に基づくベースラインよりも優れ,柔軟であることが判明した。 CHIRONから派生したメトリクスは、ストーリーのキャラクター中心性を自動的に推測するために使用することができ、これらのメトリクスは人間の判断と一致している。
  論文  参考訳（メタデータ） (2024-06-14T17:23:57Z)
• CharacterGPT: A Persona Reconstruction Framework for Role-Playing Agents [6.220415006158471]
  文字ペルソナトレーニング(CPT)を通じて文字ペルソナを動的に再構築するフレームワークである characterGPT を紹介する。 この手法は、物語の進行を反映して、章的な小説の要約から特徴を抽出することで、ペルソナを漸進的に更新する。 我々の枠組みは、キャラクターがオリジナルな物語を生成する、ビッグファイブの人格評価と創造的なタスクを通して評価される。
  論文  参考訳（メタデータ） (2024-05-30T07:44:16Z)
• Telling Stories through Multi-User Dialogue by Modeling Character Relations [14.117921448623342]
  本稿では,登場人物の1対2のナレーションと対話を通して物語が現れるキャラクター主導の物語継続について考察する。 文字対話と文字関係情報を訓練するマルチタスクモデルにより,トランスフォーマーによる物語の継続性が向上する,という仮説を立てる。 文字関係を用いたマルチタスクモデルでは,強いベースラインよりもストーリー継続精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-05-31T15:39:41Z)

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。