論文の概要: Scaling Long-Form Story Generation via Narrative State Tracking

• arxiv url: http://arxiv.org/abs/2609.35759v1
• Date: Mon, 28 Sep 2026 17:59:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 19:06:37.671295
• Title: Scaling Long-Form Story Generation via Narrative State Tracking
• Title（参考訳）: 物語状態追跡による長期物語生成のスケーリング
• Abstract要約: 既存のストーリージェネレーション手法は最大1万語までの物語に焦点を合わせ、未調査の長編小説にスケールする能力を残している。 NstAgent(Narrative State Tracking Agent、NstAgent)は、LLMが構造化された物語状態を追跡することができる訓練不要なエージェントフレームワークである。 NstAgentはストーリーが長くなるにつれて物語の一貫性と文章の質が向上することを示す。
• 参考スコア（独自算出の注目度）: 8.01992082372127
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLMs have demonstrated strong capabilities in creative writing. However, scaling them to full-length novels remains challenging, as maintaining narrative consistency becomes increasingly difficult. Existing story-generation methods typically focus on stories of up to about ten thousand words, leaving their ability to scale to full-length novels underexplored. In this work, we introduce Narrative State Tracking Agent (NstAgent), a training-free agentic framework that allows LLMs to track a structured narrative state including characters, past events and future requirements. We extend an existing benchmark to compare narrative consistency across lengths, and use it together with a writing-quality benchmark to systematically evaluate stories ranging from 10K to 100K words. We show that NstAgent achieves better narrative consistency and writing quality as stories grow longer, and neither of them degrades noticeably as length increases, suggesting that it provides an effective approach to scaling story generation toward full-length novels.
• Abstract（参考訳）: LLMはクリエイティブな執筆において強力な能力を示している。 しかし、物語の一貫性の維持がますます困難になっているため、長編小説に拡張することは依然として困難である。 既存のストーリージェネレーションの手法は、通常1万語までの物語に焦点を合わせ、未調査の長編小説にスケールする能力を残している。 本研究では,物語追跡エージェント(NstAgent)について紹介する。NstAgentは学習不要なエージェントフレームワークで,LLMがキャラクター,過去の出来事,将来の要件を含む構造化された物語状態を追跡することができる。 既存のベンチマークを拡張して、長さをまたいだ物語の一貫性を比較し、10Kから100Kまでの物語を体系的に評価するために、文章品質のベンチマークと併用する。 NstAgentはストーリーが長くなるにつれて物語の一貫性と執筆品質が向上し、長編小説にストーリー生成を拡大するための効果的なアプローチを提供することを示す。

関連論文リスト

• 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)
• Measuring Information Distortion in Hierarchical Ultra long Novel Reconstruction:The Optimal Expansion Ratio [0.0]
  我々は,異なる圧縮膨張比の下で意味歪みを定量化する情報理論解析を行う。 超長編小説の実験では、最適圧縮膨張比が他の非最適圧縮膨張比と比較して意味歪みを著しく減少させることが示された。
  論文  参考訳（メタデータ） (2025-05-18T23:20:01Z)
• Pastiche Novel Generation Creating: Fan Fiction You Love in Your Favorite Author's Style [48.08453439104245]
  文芸パスティッシュの中核的な側面を習得する新しい世代システムであるWriterAgentを提案する。 WriterAgentは、低レベルのスタイリスティックな熟達から高レベルの物語コヒーレンスまで、カリキュラム学習パラダイムを通じて訓練されている。 我々は、ハリー・ポッターやドリーム・オブ・ザ・レッドチェンバーといった多言語古典のWriterAgentを評価し、ベースラインよりも優れていることを示した。
  論文  参考訳（メタデータ） (2025-02-21T17:40:42Z)
• 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)
• Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
  本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。 本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。 談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
  論文  参考訳（メタデータ） (2024-07-18T08:02:49Z)

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。