論文の概要: NarrativeWorldBench: A Frontier-Saturated Benchmark and a Latent World Model for Long-Horizon Co-Creative Audio Drama
- arxiv url: http://arxiv.org/abs/2606.17391v1
- Date: Tue, 16 Jun 2026 01:04:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-17 17:15:32.192985
- Title: NarrativeWorldBench: A Frontier-Saturated Benchmark and a Latent World Model for Long-Horizon Co-Creative Audio Drama
- Title（参考訳）: NarrativeWorldBench: ロングホライゾン・コクレーティブ・オーディオドラマのためのフロンティア飽和ベンチマークと潜在ワールドモデル
- Authors: Logan Mann, Abdur Rahman, Mohammad Saifullah, Taaha Kazi, Vasu Sharma,
- Abstract要約: 古典的、微調整、オープンフロンティア、クローズドフロンティア、推論階層にまたがる21のモデルをベンチマークします。
N-VSSM はプロットビート F1 >= 0.84 であり、全ての地平線を4倍低い計算で保持する。
学習された文化伝達関数は、言語間の忠実度を +0.20 から +0.23 に引き上げる。
- 参考スコア（独自算出の注目度）: 4.231172922501268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-form serialized audio drama, with arcs that run for 200 to 800 episodes, is a major creative medium and a setting where frontier large language models (LLMs) fail. We benchmark 21 models, spanning classical, fine-tuned, open-frontier, closed-frontier, and reasoning tiers, on a uniform set of structural narrative metrics. All closed-frontier systems saturate at a plot-beat F1 in the band [0.78, 0.81] and collapse by about -0.20 F1 at horizon h=200. We introduce NarrativeWorldBench, an open benchmark of nine narrative-structure metrics evaluated across horizons h in {10, 20, 50, 100, 200}, with cross-lingual evaluation across four Indic languages (Hindi, Tamil, Telugu, Marathi). We introduce N-VSSM, a Narrative Variational State-Space Model that maintains a structured 256-dimensional latent world state over more than 200 episodes via a Mamba-2 backbone with an event-conditioned posterior and an 8B decoder. N-VSSM holds plot-beat F1 >= 0.84 across all horizons at 4x lower compute than the closed-frontier band. A learned Cultural Transfer Function lifts cross-language fidelity by +0.20 to +0.23 Likert points. In a within-subjects writer study (n = 12 professional authors, 240 trials), N-VSSM is preferred over Claude Opus 4.5 on long-arc consistency 71% of the time and rated +1.3 Likert points higher on controllability.
- Abstract（参考訳）: 200話から800話のアーケードを持つロングフォームのシリアライズドオーディオドラマは、フロンティア大言語モデル(LLM)が失敗する主要なクリエイティブメディアである。
古典的、微調整、オープンフロンティア、クローズドフロンティア、推論階層にまたがる21のモデルを、一様構造的物語メトリクスのセットでベンチマークします。
すべての閉フロンティア系は、バンド[0.78, 0.81]のプロットビートF1で飽和し、水平h=200で約-0.20F1で崩壊する。
本研究では,Hindi,Tamil,Telugu,Marathiの4つの言語(ヒンディー語,タミル語,テルグ語,マラティ語)を横断的に評価し,hを水平方向に評価した9つの物語構造指標のオープンベンチマークであるNarrativeWorldBenchを紹介する。
N-VSSMは,イベントコンディショニング後部と8Bデコーダを備えたMamba-2バックボーンを介して,200回以上にわたって256次元潜在世界状態の構造化を維持したナラティブ変動状態空間モデルである。
N-VSSM はプロットビート F1 >= 0.84 であり、全ての地平線を4倍低い計算で保持する。
学習された文化伝達関数は、言語間の忠実度を +0.20 から +0.23 に引き上げる。
n = 12のプロの著者、240の試行において、N-VSSMは時間の71%の時間一貫性でクロード・オプス4.5よりも好まれ、+1.3のクアルト点が制御性よりも高いと評価されている。
関連論文リスト
- Benchmarking Speech-to-Speech Translation Models [55.00303727199927]
音声音声翻訳(S2ST)は急速に進歩しているが、オフライン評価には統一されたプロトコルが欠けている。
8次元にわたる46のメトリクスを統合するベンチマークフレームワークを導入する。
FLEURSとCVSSから1,248のモデル言語構成でデプロイする。
論文 参考訳（メタデータ） (2026-06-02T07:01:33Z) - MMTM: Tri-Modal Topic Modeling for Long-Form Video via Similarity-Gated Fusion [44.304470436110165]
本稿では,音声認識,音声と視覚の埋め込み,BERTopicクラスタリングを統合した,長文ビデオにおけるトピック発見のためのモジュールパイプラインであるMMTMを紹介する。
我々は,ドイツ語 (Tagesschau) と英語 (NBC) の放送ニュースにおける話題の質を評価する。
パイプラインコードと54時間のマルチモーダルビデオトピックコーパスを,デュアルアノテーションによる視覚評価とLCMによるラベリングによりリリースする。
論文 参考訳（メタデータ） (2026-05-28T11:12:30Z) - MIPIAD: Multilingual Indirect Prompt Injection Attack Defense with Qwen -- TF-IDF Hybrid and Meta-Ensemble Learning [0.7161783472741748]
MIPIADは英語とバングラ語で評価された防衛フレームワークである。
これは、Qwen2.5-1.5BからLoRA(XLPID)、TF-IDFレキシカル特徴、検証調整アンサンブルを通じて微調整されたシーケンスを組み合わせたものである。
論文 参考訳（メタデータ） (2026-05-08T05:34:28Z) - Speed by Simplicity: A Single-Stream Architecture for Fast Audio-Video Generative Foundation Model [52.79436545460808]
本稿では,人中心生成のためのオープンソースオーディオビデオ生成基盤モデルdaVinci-MagiHumanを紹介する。
DaVinci-MagiHumanは、単一ストリームトランスフォーマーを使用して、同期ビデオとオーディオを共同で生成する。
中国語(マンダリン語とカントン語)、英語、日本語、韓国語、ドイツ語、フランス語の多言語音声生成をサポートする。
論文 参考訳（メタデータ） (2026-03-23T13:49:06Z) - Omnilingual SONAR: Cross-Lingual and Cross-Modal Sentence Embeddings Bridging Massively Multilingual Text and Speech [61.759910921200834]
言語間の文エンコーダは通常、数百の言語をカバーしている。
我々はOmniSONARを紹介した。OmniSONARは全言語、言語横断、言語横断の文埋め込みモデルである。
論文 参考訳（メタデータ） (2026-03-17T14:47:35Z) - Music Genre Classification: A Comparative Analysis of Classical Machine Learning and Deep Learning Approaches [0.0]
ネパールの8つのジャンルにまたがる約8,000のラベル付き30秒音声クリップからなる新しいデータセットを構築した。
我々は、ネパールの音楽の伝統において真に重複していることを反映した、文化的に根ざした誤分類パターンの解釈を提供する。
論文 参考訳（メタデータ） (2026-03-16T15:43:48Z) - BrainBench: Exposing the Commonsense Reasoning Gap in Large Language Models [4.264192013842096]
大きな言語モデル(LLM)は、標準ベンチマークで印象的なスコアを得るが、人間が数秒で正しく答えられるような質問を日常的に失敗する。
BrainBenchは、慎重に設計された20のカテゴリにまたがる100のブレインティーザー質問のベンチマークです。
論文 参考訳（メタデータ） (2026-03-16T02:50:43Z) - XplaiNLP at CheckThat! 2025: Multilingual Subjectivity Detection with Finetuned Transformers and Prompt-Based Inference with Large Language Models [2.749729059235755]
このノートには、XplaiがCheckThat!に提出されたことを報告しています。
単言語および機械翻訳によるトレーニングデータに基づいて,変換器エンコーダの教師付き微調整,EuroBERT,XLM-RoBERTa,ジャーマン-BERTの2つの手法を評価する。
ドイツ語の場合、タイポロジーに関連のある言語から翻訳されたトレーニングデータに基づいて微調整されたドイツ語-BERTモデルでは、ベースライン上での競争性能が向上する。
論文 参考訳（メタデータ） (2025-09-15T16:53:41Z) - Dynamic-SUPERB Phase-2: A Collaboratively Expanding Benchmark for Measuring the Capabilities of Spoken Language Models with 180 Tasks [112.6716697906318]
命令ベースユニバーサル音声モデルの包括的評価のためのオープンベンチマークであるDynamic-SUPERB Phase-2を提案する。
第1世代をベースとして、この第2バージョンには125の新しいタスクが含まれており、ベンチマークを合計180タスクに拡張している。
評価結果から, モデルが良好に機能することのないことが示唆された。
論文 参考訳（メタデータ） (2024-11-08T06:33:22Z)
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。