論文の概要: Incipit: Axiom-Grounded Scaffolding for Human-AI Literary Creation
- arxiv url: http://arxiv.org/abs/2609.25504v1
- Date: Tue, 22 Sep 2026 00:00:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.152088
- Title: Incipit: Axiom-Grounded Scaffolding for Human-AI Literary Creation
- Title（参考訳）: Incipit: Axiom-Grounded Scaffolding for Human-AI Literary Creation
- Abstract要約: Incipitは、著者意図と生成された散文の間に明確な計画層を挿入するプロトタイプである。
この層は文学的公理に根ざしており、人間の経験や物語的工芸に関する再利用可能な命題である。
文献知識を人間のAI記述における検査可能な調整対象とする具体的なアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 5.8783827764351635
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Large language models can produce fluent prose from short prompts, but a direct interaction gives writers little access to the assumptions that shape a long narrative. We present Incipit, an implemented research prototype that inserts an explicit planning layer between writer intent and generated prose. The layer is grounded in literary axioms, which are curated and reusable propositions about human experience and narrative craft. The prototype connects a knowledge base of 1455 axioms and 472 typed relationships to a five round direction dialogue, a retrieval and selection pipeline, and a three level blueprint covering creative premises, story beats, character arcs, and chapter outlines. Writers can inspect and edit the resulting structures before using them as context for scene generation. Additional modules support real event abstraction and five dimensional diagnostic feedback. We describe the design rationale, data flow, implementation boundaries, and a worked design example. Because no controlled user study or independently rated output study has yet been completed, we do not claim that the system improves literary quality. Instead, we outline a future preregistered comparison designed to distinguish the contribution of axiom grounding from that of hierarchical planning. The paper contributes a concrete architecture for making literary knowledge an inspectable coordination object in human AI writing.
- Abstract（参考訳）: 大規模な言語モデルは短いプロンプトから流動的な散文を生成することができるが、直接的な相互作用によって著者は長い物語を形成する仮定にほとんどアクセスできない。
Incipitは、著者意図と生成された散文の間に明確な計画層を挿入する、実装された研究プロトタイプである。
この層は文学的公理に根ざしており、人間の経験や物語的工芸に関する再利用可能な命題である。
このプロトタイプは、1455の公理と472の型付き関係の知識ベースを、5つの方向の対話、検索と選択のパイプライン、創造的な前提、ストーリービート、キャラクターアーク、章の輪郭を網羅する3段階の青写真と結びつけている。
作者は、シーン生成のコンテキストとして使用する前に、生成された構造を検査し、編集することができる。
追加モジュールは、実イベントの抽象化と5次元の診断フィードバックをサポートする。
設計の根拠、データフロー、実装のバウンダリ、そして動作する設計例を説明します。
制御されたユーザスタディや独立した評価されたアウトプットスタディがまだ完了していないため,本システムは文学的品質を改善するものではない。
代わりに、我々は、階層的計画のものと異なる公理の貢献を区別するために設計された将来の事前登録比較について概説する。
文献知識を人間のAI記述における検査可能な調整対象とする具体的なアーキテクチャを提案する。
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) - LECTOR: Joint Optimization of Scientific Reasoning Graphs and Introduction Generation [57.70907667652966]
序文は特に難解であり、論理的な健全さと検証可能な忠実さを要求する。
ほとんどのAI支援手法は、推論や構造化ではなく、タスクをテキスト生成として扱うため、深刻な欠点が生じる。
我々は,科学者の論理を厳格に追従し,高品質な引用を加え,構造化された表現を維持できる新しい論理表現協調強化学習フレームワークであるLECTORを提案する。
論文 参考訳（メタデータ） (2026-05-25T15:41:16Z) - Living the Novel: A System for Generating Self-Training Timeline-Aware Conversational Agents from Novels [50.43968216132018]
文芸作品が没入的で多文字の会話体験に変換されるエンド・ツー・エンドシステムを提案する。
このシステムはLLM駆動文字の2つの基本的な課題を解決するために設計されている。
論文 参考訳（メタデータ） (2025-12-08T11:57:46Z) - 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) - Exploitation and exploration in text evolution. Quantifying planning and
translation flows during writing [0.13108652488669734]
執筆過程において,計画(探索)と翻訳(探索)のサブサイクルを定量化する手法を導入する。
このデータセットは、革新的なバージョニングソフトウェアを通じて、テキストの構築におけるすべてのステップを記録できる一連のワークショップから生まれました。
論文 参考訳（メタデータ） (2023-02-07T17:52:33Z) - Grounded and Controllable Image Completion by Incorporating Lexical
Semantics [111.47374576372813]
Lexical Semantic Image Completion (LSIC)は、芸術、デザイン、遺産保護に潜在的な応用をもたらす可能性がある。
視覚的文脈と語彙的文脈の両方に忠実な結果を生成することを提唱する。
LSICの大きな課題の1つは、ビジュアル・セマンティック・コンテキストの構造をモデル化し整合させることである。
論文 参考訳（メタデータ） (2020-02-29T16:54:21Z) - A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。
文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
論文 参考訳（メタデータ） (2020-01-28T05:03:15Z)
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。