論文の概要: The Garden of Forking Prompts: How Users Explore Narrative Space in Story Generation
- arxiv url: http://arxiv.org/abs/2609.14677v1
- Date: Sun, 13 Sep 2026 17:21:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 12:40:38.836371
- Title: The Garden of Forking Prompts: How Users Explore Narrative Space in Story Generation
- Title（参考訳）: プロンプトを偽造する庭:ストーリー生成における物語空間の探索
- Abstract要約: 本研究では,ユーザが野生の連続したストーリープロンプトをどのように修正するかについて検討する。
本研究では,大規模言語モデルを用いて物語空間をナビゲートする際のユーザ行動分析フレームワークを開発する。
- 参考スコア（独自算出の注目度）: 5.816148253831176
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Large language models (LLMs) have changed the way people engage with stories. Drawing on public chatbot logs, we can see that when users generate stories, they iteratively edit their prompts to explore narrative possibilities, adjusting characters, redirecting plots, and swapping fictional universes. As aggregated data, these prompts represent rich traces of creative preference at scale. Yet story generation evaluation benchmarks rely on static, one-shot prompts that cannot capture this exploratory behavior. In this work, we study how users revise consecutive story prompts in the wild. Using a dataset of naturally occurring user-chatbot conversations, we construct WildStories, a sample of 275,635 story generation prompts (labeled with story format, prompt components, and explicitness), and WildEdits, a collection of 24,291 edit trees that model how users iteratively edit base story prompts and explore branching story possibilities. From these trees we develop a framework of edit types crossing four directions (adding, removing, changing, and extending) with fourteen targets (e.g., plot, character, genre). We then use our datasets and this framework to analyze user behavior in navigating narrative space via LLMs. Finally, we show how automated permutations based on the framework can be used for story generation benchmarking. Content Warning: This paper works with "wild" chatbot logs, which often include toxic and sexually explicit themes.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、人々がストーリーを扱う方法を変えました。
公開チャットボットのログを描画すると、ユーザーがストーリーを生成すると、そのプロンプトを反復的に編集して物語の可能性を探索し、キャラクターを調整し、プロットをリダイレクトし、架空の宇宙を交換するのが分かる。
集約されたデータとして、これらのプロンプトは、大規模なクリエイティブな好みの豊富な痕跡を表している。
しかし、ストーリー生成評価ベンチマークは、この探索的な振る舞いを捉えられない静的なワンショットプロンプトに依存している。
本研究では,ユーザによるストーリープロンプトの更新について検討する。
自然に発生するユーザ-チャットボットの会話のデータセットを使用して、275,635のストーリー生成プロンプト(ストーリーフォーマット、プロンプトコンポーネント、明示性を含む)のサンプルであるWildStoriesと24,291の編集ツリーのコレクションであるWildEditsを構築し、ユーザーがベースストーリープロンプトを反復的に編集し、分岐するストーリーの可能性を探る方法についてモデル化する。
これらの木から、4つの方向(追加、削除、変更、拡張)を14の目標(例、プロット、キャラクタ、ジャンル)で横断するタイプを編集するフレームワークを開発する。
次に、私たちのデータセットとこのフレームワークを使用して、LCMを通して物語空間をナビゲートする際のユーザの振る舞いを分析します。
最後に、このフレームワークに基づく自動置換がストーリー生成ベンチマークにどのように使用できるかを示す。
コンテンツ警告: この論文は、有害で性的に明示的なテーマを含む「ワイルド」なチャットボットログで動作する。
関連論文リスト
- NARRA-Gym for Evaluating Interactive Narrative Agents [69.49891044929372]
NARRA-Gymは,まばらな感情的シードを完全なインタラクティブな物語のエピソードに変換する評価環境である。
我々は,8つのベンチマークペルソナに対して制御されたLLM-as-judgeスイープと,参加者がカスタマイズされたモデル出力を評価できる人的評価を用いて,9つのフロンティアLLMを評価する。
論文 参考訳（メタデータ） (2026-05-08T21:36:23Z) - TaleFrame: An Interactive Story Generation System with Fine-Grained Control and Large Language Models [17.369716537430048]
TaleFrameは、大きな言語モデル(LLM)とヒューマンコンピュータインタラクション(HCI)を組み合わせてストーリーを生成するシステムである。
ユーザーは単純な操作でこれらのユニットを制御できる。
生成されたストーリーは7次元で評価できる。
論文 参考訳（メタデータ） (2025-12-02T04:27:10Z) - Narrative Studio: Visual narrative exploration using LLMs and Monte Carlo Tree Search [1.795561427808824]
木のようなインタフェースを備えたブラウザ内物語探索環境を提案する。
各ブランチは、システムとユーザ定義のプロンプトによってガイドされた反復LDM推論によって拡張される。
また、生成したテキストをエンティティグラフにグラウンドすることで、ユーザによる物語コヒーレンスの向上を可能にします。
論文 参考訳（メタデータ） (2025-04-03T09:31:07Z) - 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) - 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) - GROVE: A Retrieval-augmented Complex Story Generation Framework with A
Forest of Evidence [26.90143556633735]
本稿では,etextbfVidtextbfEnce (GROVE) のftextbfOrestを用いた検索用autextbfGmented stotextbfRy生成フレームワークを提案する。
我々は、証拠の森を抽出し、生成された物語で起こりうる曖昧さを補償する「なぜ」プロンプトスキームを設計する。
論文 参考訳（メタデータ） (2023-10-09T03:55:55Z) - Changing the Narrative Perspective: From Deictic to Anaphoric Point of
View [0.0]
そこで,筆者が当初使用していたものと異なる視点を文字に割り当てて,物語の視点を変える作業を紹介する。
その結果、物語的視点の転換は読書体験を変化させ、フィクション執筆の道具として使用できる。
本稿では,参照選択のためのニューラルアーキテクチャに依存する生テキストを処理するパイプラインについて述べる。
論文 参考訳（メタデータ） (2021-03-06T19:03:42Z) - 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) - STORIUM: A Dataset and Evaluation Platform for Machine-in-the-Loop Story
Generation [48.56586847883825]
我々は、オンラインのコラボレーティブなストーリーテリングコミュニティであるSTORiumから構築されたデータセットと評価プラットフォームを紹介した。
データセットには6Kの長編記事と、各物語に散在する詳細な自然言語アノテーションが含まれています。
我々は、STORiumにそれらを統合することで、データセット上で微調整された言語モデルを評価し、実際の著者は提案されたストーリーの継続をモデルに問い合わせ、編集することができる。
論文 参考訳（メタデータ） (2020-10-04T23:26:09Z) - PlotMachines: Outline-Conditioned Generation with Dynamic Plot State
Tracking [128.76063992147016]
PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。
さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
論文 参考訳（メタデータ） (2020-04-30T17:16:31Z)
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。