論文の概要: VeriForge: Mitigating Latent Knowledge Gaps in Narrative Drafting via Mixed-Initiative Scaffolding

• arxiv url: http://arxiv.org/abs/2608.09698v1
• Date: Mon, 10 Aug 2026 15:03:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.325393
• Title: VeriForge: Mitigating Latent Knowledge Gaps in Narrative Drafting via Mixed-Initiative Scaffolding
• Title（参考訳）: VeriForge:Mixed-initiative Scaffoldingによるナラティブドラフトにおける潜在知識ギャップの緩和
• Abstract要約: 現在のAI記述ツールは、馴染みのないドメイン知識を物語に発見し、統合するための限定的なサポートを提供する。 AIは、発見された知識を真正な散文に変換するための機関を保ちながら、ライターに潜在する知識ギャップを明らかにするべきだ、と私たちは主張する。 We present VeriForge, a mixed-initiative writing system that divides Cognitive labor to the system assumes initiative over domain discovery。
• 参考スコア（独自算出の注目度）: 9.990425778644688
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Great fiction earns its verisimilitude through precise details, from how a longsword is gripped to pierce armor gaps to why a bleeding corpse cannot yet smell of decay, weaving domain expertise into the fabric of invented worlds. Current AI writing tools offer limited support for discovering and integrating unfamiliar domain knowledge into narrative. They require explicit queries that authors cannot formulate, generate finished prose that risks homogenizing voice, or assist only within the boundaries of what authors already know. We argue that AI should reveal latent knowledge gaps to writers while preserving their agency to transform discovered knowledge into authentic prose. Grounded in formative interviews with 9 fiction writers, we present VeriForge, a mixed-initiative writing system that divides cognitive labor so that the system assumes initiative over domain discovery while the author retains full initiative over narrative synthesis. VeriForge realizes this through three complementary mechanisms. Proactive inline highlighting flags potential knowledge gaps as authors draft. Dual-stream querying pairs conversational responses with source-anchored Knowledge Cards for direct fact extraction. A spatial Knowledge Canvas allows authors to organize and connect discovered knowledge across their writing. These mechanisms are powered by a graph-based retrieval-augmented generation pipeline grounded in domain-specific source materials. A within-subjects user study (N=12) provides preliminary evidence that this paradigm helps authors recognize previously overlooked knowledge gaps, supports creative exploration, and is perceived by expert raters to produce passages with stronger domain grounding in a controlled cold-start writing task.
• Abstract（参考訳）: 壮大なフィクションは、ロングソードが武器の隙間を突き刺すように握られているか、なぜ出血した死体がまだ腐敗の臭いを嗅ぐことができないのか、そして発明された世界の織物にドメインの専門知識を織り込むことなど、正確な詳細を通してその精巧さを生んでいる。 現在のAI記述ツールは、馴染みのないドメイン知識を物語に発見し、統合するための限定的なサポートを提供する。 彼らは、著者が定式化できない明示的なクエリを必要とし、音声を均質化するリスクを負うような、完了した散文を生成するか、あるいは著者が既に知っている境界内でのみ支援する。 AIは、発見された知識を真正な散文に変換するための機関を保ちながら、ライターに潜在する知識ギャップを明らかにするべきだ、と私たちは主張する。 筆者らは,9人のフィクション作家との形式的なインタビューに基づいて,認知労働を分割し,ドメイン発見の主導権を前提としつつ,物語合成の全面的な主導権を保ちながら,認知労働を分割する混成開始型書記システムであるVeriForgeを提示する。 VeriForgeはこれを3つの相補的なメカニズムを通じて実現している。 積極的なインラインハイライトは、著者のドラフトとして、潜在的な知識ギャップをフラグとして強調する。 Dual-stream querying pairs conversational response with source-anchored Knowledge Cards for direct fact extract。 空間的知識キャンバスは、著者が発見した知識の組織化と、その書き込み全体での接続を可能にする。 これらのメカニズムは、ドメイン固有のソース材料を基盤としたグラフベースの検索拡張生成パイプラインによって実現されている。 Inside-subjects user study (N=12)は、このパラダイムが著者がこれまで見過ごされていた知識ギャップを認識し、創造的な探究を支援するのに役立っているという予備的な証拠を提供する。

関連論文リスト

• The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
  本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。 通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
  論文  参考訳（メタデータ） (2026-04-27T16:23:09Z)
• Explainable Disentangled Representation Learning for Generalizable Authorship Attribution in the Era of Generative AI [70.05655131235999]
  EAVAE(Explainable Authorship Variational Autoencoder)は、コンテンツからスタイルを明示的に切り離す新しいフレームワークである。 ディスタングルメントは、新規な差別者を通じて実施される。 EAVAEは、AI生成テキスト検出のためのM4データセットよりも、数ショットの学習に優れています。
  論文  参考訳（メタデータ） (2026-04-23T05:34:20Z)
• Human-AI Interaction Traces as Blackout Poetry: Reframing AI-Supported Writing as Found-Text Creativity [12.76364003775266]
  我々は、人間とAIの相互作用の痕跡がいかに表現力のある人工物として機能するかを探求することによって、異なるレンズを求める。 我々は、AIが生成したテキストを、著者のキュレーションと再解釈の行為がAIのオリジナルの出力の上に刻まれる資料として作成する。
  論文  参考訳（メタデータ） (2026-03-10T16:04:53Z)
• WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
  本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。 人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。 私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:21Z)
• DeepWriter: A Fact-Grounded Multimodal Writing Assistant Based On Offline Knowledge Base [10.572896494190669]
  私たちはDeepWriterを紹介します。DeepWriterはカスタマイズ可能で、マルチモーダルで、長い形式の書き込みアシスタントで、キュレートされたオフラインの知識ベースで動作します。 構造化されたコーパスから情報を深く掘り下げることで、DeepWriterは一貫性があり、事実上基礎があり、専門レベルのドキュメントを生成する。 ファイナンシャルレポート生成実験は,DeepWriterが高品質で検証可能な記事を生成することを示す。
  論文  参考訳（メタデータ） (2025-07-14T02:13:22Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• Large Language Models as Source Planner for Personalized Knowledge-grounded Dialogue [72.26474540602517]
  SAFARIは、教師なしと教師なしの両方の設定で計画し、理解し、導入するための新しいフレームワークである。 我々は、パーソナライズされた知識ベース対話データセットtextittextbfKnowledge textbfBehind textbfPersona(textbfKBP)を構築する。 KBPデータセットによる実験結果から,SAFARIフレームワークはペルソナ一貫性と知識強化の応答を効果的に生成できることが示された。
  論文  参考訳（メタデータ） (2023-10-13T03:38:38Z)
• RHO ($\ ho$): Reducing Hallucination in Open-domain Dialogues with Knowledge Grounding [57.46495388734495]
  本稿では、知識グラフ(KG)からリンクされたエンティティと関係述語を表現したRHO(rho$)を提案する。 本稿では,(1)テキスト埋め込みと対応するKG埋め込みを組み合わせるための局所知識基盤,(2)注目機構を介してRHOにマルチホップ推論能力を持たせるためのグローバル知識基盤を提案する。
  論文  参考訳（メタデータ） (2022-12-03T10:36:34Z)
• Incorporating Explicit Knowledge in Pre-trained Language Models for Passage Re-ranking [32.22697200984185]
  本稿では,新しい知識グラフ蒸留法を提案し,問合せと通過の橋渡しとして知識メタグラフを得る。 PLMをテキストエンコーダとして,知識メタグラフを知識エンコーダとして,グラフニューラルネットワークとして採用した。
  論文  参考訳（メタデータ） (2022-04-25T14:07:28Z)
• TegTok: Augmenting Text Generation via Task-specific and Open-world Knowledge [83.55215993730326]
  本稿では,タスク固有およびオープンワールド知識(TegTok)によるTExt生成の統一化を提案する。 本モデルでは,2種類の知識ソースからの知識エントリを高密度検索により選択し,それぞれ入力エンコーディングと出力デコーディングの段階に注入する。
  論文  参考訳（メタデータ） (2022-03-16T10:37:59Z)
• Bridger: Toward Bursting Scientific Filter Bubbles and Boosting Innovation via Novel Author Discovery [22.839876884227536]
  ブリッジャー(Bridger)は、学者とその研究の発見を促進するシステムである。 論文から抽出した情報と推論されたペルソナを用いて著者の顔表現を構築する。 我々は、科学者間の共通点とコントラストを見つけるアプローチを開発する。
  論文  参考訳（メタデータ） (2021-08-12T11:24:23Z)
• How to Train Your Agent to Read and Write [52.24605794920856]
  研究論文の読み書きは、資格のある研究者が習得すべき最も特権のある能力の1つである。 読者が論文を読み、要約できるようにインテリジェントなエージェントを訓練し、おそらく新しい論文を書くための潜在的な知識の手がかりを発見し、活用できれば、それは魅力的です。 本研究では,入力段落から知識グラフ(KG)を抽出して潜在的な知識を発見できるtextitReader,新規段落を生成するgraph-to-text TextitWriter,およびtextitから構成されるDeep ReAder-Writer(DRAW)ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-01-04T12:22:04Z)

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。