論文の概要: PAUSE: Editable Strategy Artifacts for Long-Form Cultural Story Adaptation

• arxiv url: http://arxiv.org/abs/2608.28633v1
• Date: Fri, 07 Aug 2026 15:54:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-06 19:38:41.454662
• Title: PAUSE: Editable Strategy Artifacts for Long-Form Cultural Story Adaptation
• Title（参考訳）: PAUSE:長期文化ストーリー適応のための編集可能な戦略アーティファクト
• Authors: Taaha Kazi, Vasu Sharma, Mohammad Saifullah, Abdur Rahman,
• Abstract要約: PAUSE(Pause-And-Update Strategy Editing)は,人間の制御面として編集可能な適応戦略を公開する介入である。 2つの中国由来の連載小説において、この戦略に対する人間の編集が章レベルの散文に伝播するかどうかを検証した。 これらの結果は,文化的な権威や文学的品質の向上という主張ではなく,スモークスケールの編集・順応研究として捉えている。
• 参考スコア（独自算出の注目度）: 4.539396751060141
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Generative AI systems increasingly mediate cultural adaptation, but their cultural decisions are often hidden inside prompts, transient model plans, or final prose. We study PAUSE (Pause-And-Update Strategy Editing), an intervention that exposes an editable adaptation strategy as a human control surface for cultural decisions in long-form story adaptation. The strategy is a structured artifact that can be inspected, edited, and then projected through downstream character, entity, and chapter-localization stages. In two Chinese-source serialized novels, we test whether human edits to this strategy propagate into chapter-level prose. Across 9 edited-vs-control chapter comparisons, judges select the edited-strategy output in all 9; a marker audit shows target markers in 8/9 edited outputs and 0/9 controls, with forbidden markers absent from edited outputs and present in all controls. We frame these results as a smoke-scale edit-adherence study, not a claim that the outputs are culturally authoritative or literary-quality improvements. PAUSE offers one practical way to make AI-mediated cultural adaptation more inspectable and contestable before decisions propagate through long-form generation.
• Abstract（参考訳）: 生成AIシステムは、文化的な適応をますます仲介するが、その文化的な決定は、しばしばプロンプトや過渡的なモデルプラン、最終的な散文の中に隠されている。 本研究では,長期的ストーリー適応における文化的決定のための人的制御面として,編集可能な適応戦略を公開する介入であるPAUSE(Pause-And-Update Strategy Editing)について検討する。 この戦略は、下流のキャラクタ、エンティティ、章のローカライゼーションステージを通じて検査、編集、投影できる構造化されたアーティファクトである。 2つの中国由来の連載小説において、この戦略に対する人間の編集が章レベルの散文に伝播するかどうかを検証した。 マーカー監査は、8/9の編集された出力と0/9のコントロールのターゲットマーカーを示し、編集された出力から禁止されたマーカーが欠落し、すべてのコントロールに表示される。 これらの結果は,文化的な権威や文学的品質の向上という主張ではなく,スモークスケールの編集・順応研究として捉えている。 PAUSEは、AIを介する文化的適応をより検査しやすくし、意思決定が長文生成を通じて伝播する前に挑戦できるようにするための、実践的な方法の1つを提供する。

関連論文リスト

• CraftAlign: Feature-Grounded Evaluation and Revision Guidance for AI Stories [7.837987786613499]
  私たちは、AIストーリーを人間のストーリーテリングの工芸品と整合させるフレームワークであるCraftAlignを紹介します。 Qwen3.5-9B上に構築された特徴推定器は、スタイルと物語にまたがる304の明示的な記述機能を予測する。 推論時、CraftAlignはスキーマ無効な構造化摂動を適用し、特徴設定をヒューマン書き込みパターンに移行する変更を選択する。
  論文  参考訳（メタデータ） (2026-08-02T16:57:05Z)
• CoEditor++: Instruction-based Visual Editing via Cognitive Reasoning [98.98349220451216]
  CoEditor++は、編集を"編集する方法"と"編集方法"に分解する、トレーニング不要のフレームワークである。 我々は,CoEditor++が編集タスクと編集タスクの両方において,最先端のパフォーマンスを実現することを示す。 以上の結果から,認知中心型画像編集の可能性が示唆された。
  論文  参考訳（メタデータ） (2026-01-31T12:20:46Z)
• Exposing Blindspots: Cultural Bias Evaluation in Generative Image Models [14.992895369883504]
  先行研究は、主にテキスト・トゥ・イメージ(T2I)システムにおける文化的偏見を調査してきた。 6カ国で統一的な評価でこのギャップを埋める。 クロスカントリー、クロスエラ、クロスカテゴリの評価を導出します。
  論文  参考訳（メタデータ） (2025-10-22T21:42:59Z)
• Follow-Your-Shape: Shape-Aware Image Editing via Trajectory-Guided Region Control [52.87568958372421]
  Follow-Your-Shapeは、トレーニング不要でマスクなしのフレームワークで、オブジェクト形状の正確かつ制御可能な編集をサポートする。 インバージョンとデノナイジングパスのトークン単位の速度差を比較することで,TDM(Torjectory Divergence Map)を算出する。 本手法は、特に大規模な形状変更を必要とするタスクにおいて、優れた編集性と視覚的忠実性を実現する。
  論文  参考訳（メタデータ） (2025-08-11T16:10:00Z)
• Lost in Edits? A $λ$-Compass for AIGC Provenance [119.95562081325552]
  本稿では,実測出力と操作された出力を頑健に識別し,識別する新しい潜在空間属性法を提案する。 LambdaTracerは、InstructPix2Pixのようなテキスト誘導編集ツールによって自動化されるか、Adobe Photoshopのような編集ソフトウェアで手動で実行されるか、様々な反復編集プロセスで有効である。
  論文  参考訳（メタデータ） (2025-02-05T06:24:25Z)
• Learning Feature-Preserving Portrait Editing from Generated Pairs [11.122956539965761]
  そこで本研究では,自動生成ペアデータを活用して,所望の編集を学習する学習手法を提案する。 本手法は,最先端の品質を定量的かつ質的に達成する。
  論文  参考訳（メタデータ） (2024-07-29T23:19:42Z)
• Optimisation-Based Multi-Modal Semantic Image Editing [58.496064583110694]
  本稿では,複数の編集命令型に対応するために,推論時編集の最適化を提案する。 各損失関数の影響を調整することで、ユーザの好みに合わせてフレキシブルな編集ソリューションを構築することができる。 本手法は,テキスト,ポーズ,スクリブルといった編集条件を用いて評価し,複雑な編集を行う能力を強調した。
  論文  参考訳（メタデータ） (2023-11-28T15:31:11Z)
• Towards Counterfactual Image Manipulation via CLIP [106.94502632502194]
  既存の方法は、顔画像の年齢や性別など、さまざまな視覚特性をリアルに編集することができる。 コントラスト・ランゲージ・イメージ・プレトレーニング(CLIP)を用いたテキスト駆動方式でこの問題を考察する。 定義済みのCLIP空間の方向を利用して、異なる視点から所望の方向に向けて編集を誘導する新しいコントラスト損失を設計する。
  論文  参考訳（メタデータ） (2022-07-06T17:02:25Z)
• Perceptually Validated Precise Local Editing for Facial Action Units with StyleGAN [3.8149289266694466]
  顔のセマンティックな操作に広く用いられているStyleGANに基づくソリューションを構築した。 そこで本研究では,潜在空間における編集を行うための単純な戦略が,特定のアクションユニット間の不要な結合をもたらすことを示す。 23名の被験者による知覚実験により局所的編集法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-07-26T12:21:37Z)

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。