論文の概要: Shared Worlds, Private Minds: Structured Memory for Long-Form Writing as World Creation

• arxiv url: http://arxiv.org/abs/2609.32401v1
• Date: Sat, 26 Sep 2026 09:24:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 09:30:23.395039
• Title: Shared Worlds, Private Minds: Structured Memory for Long-Form Writing as World Creation
• Title（参考訳）: 共有世界とプライベートマインド:世界創造としての長期執筆のための構造化記憶
• Abstract要約: 本稿では,メモリ構築を世界創造として扱う長文書き込みのための構造化メモリシステムであるNarraWorldを紹介する。 共有されたエビデンスに基づくグラフから、NarraWorldは、世界事実、キャラクタごとの信念、オープンな発展、仮説的な枝という4つの接続された見解を導出している。 NarraWorldは3つのベンチマークで最強の集計結果を達成した。
• 参考スコア（独自算出の注目度）: 27.71858347236874
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents that write long-form fiction need an explicit memory of the evolving storyworld to keep new events consistent with established facts. Such memory must keep heterogeneous narrative information distinct, integrate story developments across granularities, and recover dependencies that a writing request leaves implicit. We present NarraWorld, a structured memory system for long-form writing that treats memory construction as world creation. From a shared evidence-grounded graph, NarraWorld derives four connected views: world facts, per-character beliefs, open developments, and hypothetical branches (possible-world continuations). Hierarchical aggregation with atomic closure consolidates events into scenes, plotlines, and plots, keeping each higher-level node traceable to its constituent source spans. For retrieval, planned reconstruction infers a query's dependencies from the current narrative situation and a preview of memory, then assembles the relevant records within a token budget. Across three writing benchmarks, NarraWorld achieves the strongest aggregate results. Its memory also transfers to situated role-playing and largely preserves recall on a general-purpose long-term memory benchmark, paving the way for agents that sustain coherent storyworlds across diverse narrative tasks.
• Abstract（参考訳）: 長文フィクションを書くLLMエージェントは、確立された事実と整合性を保つために、進化するストーリーワールドの明示的な記憶を必要とする。 このようなメモリは、異質な物語情報を区別し、粒度をまたいだストーリー開発を統合し、書き込み要求が暗黙的に残す依存関係を回復しなければなりません。 本稿では,メモリ構築を世界創造として扱う長文書き込みのための構造化メモリシステムであるNarraWorldを紹介する。 共有されたエビデンスに基づくグラフから、NarraWorldは、世界事実、文字ごとの信念、オープンな発展、仮説的な枝(可能世界継続)の4つの連結された見解を導出した。 原子クロージャによる階層的な集約は、イベントをシーン、プロットライン、プロットに集約し、各上位のノードを構成源のスパンにトレースできるようにする。 検索のために、計画された再構築は、現在の物語状況と記憶のプレビューからクエリの依存関係を推測し、関連するレコードをトークン予算内に組み立てる。 3つのベンチマークで、NarraWorldは最強の集計結果を達成した。 また、そのメモリはロールプレイングの場所へ移動し、汎用の長期記憶ベンチマークでリコールをほとんど保存し、多様な物語タスクにまたがる一貫性のあるストーリーワールドを維持できるエージェントの道を開く。

関連論文リスト

• Narrative World Model: Narratology-Grounded Writer Memory for Long-Form Fiction [3.6314288564136064]
  汎用検索とエージェントメモリシステムは、実体と事実を表すが、これらの疑問が引き起こすナラトロジー構造ではない。 我々は,ナラトロジーに基づく型付き時間状態グラフとクエリ条件付きハイブリッド検索を組み合わせた書体記憶システムであるナラティブ・ワールド・モデル(NWM)を紹介する。
  論文  参考訳（メタデータ） (2026-07-06T19:23:52Z)
• From Personas to Plot: Character-Grounded Multi-Agent Story Generation for Long-Form Narratives [3.0130431031064613]
  長文の物語生成と検証のための統一的な枠組みを導入する。 本稿では,本フレームワークが単一モデルプロンプトやIBSENと比較してコヒーレントな物語を生成することを示す。 これらの結果から, 長期の物語は, 明示的な世界状態追跡と目標駆動型マルチエージェント生成から生まれる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-07-01T13:23:07Z)
• WorldMemArena: Evaluating Multimodal Agent Memory Through Action-World Interaction [72.1620416874118]
  マルチモーダルな言語モデルは、長距離エージェントとしてますます多くデプロイされている。 既存のベンチマークは、静的対話上のリコールを測定し、メモリを1つのタスクの精度に分解し、キャプションに対する視覚的な観察を減らす。 マルチモーダルエージェントメモリを,観測可能な4段階ライフサイクルを持つアクションワールドインタラクションループとして定式化する。
  論文  参考訳（メタデータ） (2026-05-28T04:27:20Z)
• TraceMem: Weaving Narrative Memory Schemata from User Conversational Traces [9.654990538033362]
  長期的な相互作用を維持することは、大規模言語モデルにとって依然としてボトルネックである。 ユーザの会話トレースから構造化された物語記憶スキーマを織り込むフレームワークであるTraceMemを提案する。 TraceMemは、ブレインインスパイアされたアーキテクチャで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-10T12:14:58Z)
• Long Story Generation via Knowledge Graph and Literary Theory [5.844556001202481]
  数千語からなる長文の生成は、長文生成(LTG)の分野におけるサブタスクである これまでの研究では、ストーリーのアウトラインを生成するためのマルチステージ手法であるアウトラインベースの生成を通じて、この問題に対処してきた。 このアプローチには、以前のアウトラインの記憶が失われることによる、ほぼ避けられないテーマドリフトと、人間の読者にはあまりアピールしない不整合論理による退屈なプロットの2つの一般的な問題がある。
  論文  参考訳（メタデータ） (2025-08-05T06:35:14Z)
• StoryWriter: A Multi-Agent Framework for Long Story Generation [53.80343104003837]
  長いストーリー生成は、既存の大きな言語モデルにとって依然として課題である。 本稿では,3つの主要モジュールから構成されるマルチエージェント・ストーリー生成フレームワークであるStoryWriterを提案する。 StoryWriterは、ストーリーの品質と長さの両方において、既存のストーリー生成ベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2025-06-19T16:26:58Z)
• Video World Models with Long-term Spatial Memory [110.530715838396]
  本稿では,ビデオワールドモデルの長期的整合性を高める新しい枠組みを提案する。 我々のフレームワークは、長期空間記憶から情報を保存・取得する機構を含んでいる。 評価の結果,関連するベースラインに比べて品質,一貫性,コンテキスト長が向上した。
  論文  参考訳（メタデータ） (2025-06-05T17:42:34Z)
• Generating Long-form Story Using Dynamic Hierarchical Outlining with Memory-Enhancement [29.435378306293583]
  本稿では,DOMEと命名されたメモリ・エンハンスメントを用いた動的階層的アウトラインニングを提案し,一貫性のある内容とプロットを持つ長大なストーリーを生成する。 時間的知識グラフに基づくメモリ・エンハンスメント・モジュール(MEM)を導入し、生成されたコンテンツを保存・アクセスする。 実験により、DOMEは最先端の手法と比較して、生成した長いストーリーの流布、コヒーレンス、および全体的な品質を著しく改善することが示された。
  論文  参考訳（メタデータ） (2024-12-18T07:50:54Z)
• ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context [50.572907418430155]
  ContextualStoryは、コヒーレントなストーリーフレームを生成し、ビジュアルなストーリーテリングのためにフレームを拡張するように設計されたフレームワークである。 ストーリーライン埋め込みにおけるコンテキストを豊かにするストーリーラインコンテクストアライザと、フレーム間のシーン変化を測定するストーリーフローアダプタを導入する。 PororoSVとFlintstonesSVデータセットの実験では、ContextualStoryはストーリーの可視化と継続の両方で既存のSOTAメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-07-13T05:02:42Z)

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。