論文の概要: Critic's Eye: Review-Grounded Graph Reasoning for Long-Form Motif Discovery

• arxiv url: http://arxiv.org/abs/2610.35011v1
• Date: Mon, 26 Oct 2026 08:21:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.794713
• Title: Critic's Eye: Review-Grounded Graph Reasoning for Long-Form Motif Discovery
• Title（参考訳）: Critic's Eye: 長期的なモチーフ発見のためのグラフ推論のレビュー
• Abstract要約: 批評家の目は、グローバルな構造的証拠に対する差別的な推論を行う。 我々の分析によると、大規模なスケーリングにもかかわらず、シーケンスベースのモデルは「セマンティック天井」に到達した。 これらの結果から、明示的な構造的先行性は、長文の複雑なアーキテクチャをデコードするためのパラメータスケーリングよりもはるかに効果的な帰納的バイアスであることが示唆された。
• 参考スコア（独自算出の注目度）: 18.18530464772361
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deep narrative understanding requires distinguishing what happens from how it is presented, moving beyond the chronological fabula to decode the sjuzet, the discursive organization through which themes are staged. We study this through the recurrence of literary motifs (blood in Macbeth, for instance), where symbolic significance emerges not from local cues, but through repetition-with-variation across the whole work. We operationalize this setting as Computational Motif Discovery, a transductive task that predicts missing line-motif links using the full narrative structure of a play. We propose Critic's Eye, which models the work as a heterogeneous Narrative Topology Graph and performs discriminative inference over global structural evidence. Critic's Eye achieves 84.8% Hit@5 on our benchmark, nearly quadrupling state-of-the-art proprietary foundation models (Gemini-3-pro-preview, ~22.6%). Our analysis reveals that despite massive scaling, sequence-based models hit a "semantic ceiling", struggling to resolve dispersed dependencies. These findings suggest that explicit structural priors are a far more effective inductive bias than parameter scaling for decoding the complex architecture of long-form literature.
• Abstract（参考訳）: 深い物語の理解には、それがどのように提示されるのかを区別する必要がある。 我々はこれを文学的モチーフ(例えばマクベスの血)の再発を通じて研究し、そこでは象徴的な重要性は局所的な手がかりからではなく、作品全体の反復と変奏によって生じる。 我々はこの設定を,劇の完全な物語構造を用いて行モチーフリンクの欠落を予測するトランスダクティブタスクであるComputational Motif Discoveryとして運用する。 我々は、異種ナラティブトポロジーグラフとして作品をモデル化し、グローバルな構造的証拠に対する差別的推論を行うCritic's Eyeを提案する。 Critic's Eyeは84.8%のHit@5をベンチマークで達成し、最先端のプロプライエタリな基盤モデル(Gemini-3-pro-preview, ~22.6%)をほぼ4倍にしている。 我々の分析によると、大規模なスケーリングにもかかわらず、シーケンスベースのモデルは"セマンティック天井"に到達し、分散依存関係の解決に苦慮している。 これらの結果から、明示的な構造的先行性は、長文の複雑なアーキテクチャをデコードするためのパラメータスケーリングよりもはるかに効果的な帰納的バイアスであることが示唆された。

関連論文リスト

• Lacuna Inc. at SemEval-2026 Task 4: Structurally Gated State-Space Models for Disentangling Narrative Similarity [41.99844472131922]
  Invariant-Variant Disentangled State-Space Model (IVD-SSM)を提案する。 本稿では,物語類似性と物語表現学習に関するSemEval-2026タスク4について紹介する。
  論文  参考訳（メタデータ） (2026-07-03T16:48:39Z)
• RoboPIN: Grounded Embodied Reasoning via Pinned Chain-of-Thought [50.36951914894845]
  身体的推論は、物理的環境におけるタスク関連オブジェクトや空間を知覚するモデルを必要とする。 現在の視覚言語モデルは、テキストのみまたはコーディネートで拡張されたチェーン・オブ・思想に依存している。 我々は、あらゆる推論ステップを視覚的証拠にピン留めする構造化推論パラダイムであるPinned Chain-of-Thoughtを提案する。
  論文  参考訳（メタデータ） (2026-06-14T11:30:42Z)
• Planning Beyond Text: Graph-based Reasoning for Complex Narrative Generation [19.553521589272012]
  本稿では,構造グラフ表現の物語計画を行うフレームワークPLOTTERを紹介する。 PLOTTERは、イベントグラフと文字グラフのEvaluate-Plan-Reviseサイクルを実行する。 実験により、PLOTTERは様々な物語シナリオにおいて代表的ベースラインを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2026-04-23T03:45:59Z)
• SceneAlign: Aligning Multimodal Reasoning to Scene Graphs in Complex Visual Scenes [69.03114625064282]
  マルチモーダルな大きな言語モデルは、複雑な視覚シーンにおいて忠実な推論に苦しむことが多い。 既存の嗜好ベースのアプローチでは、モデルが視覚的グラウンドをバイパスするために言語事前を活用できるため、この課題に対処できない。 我々は,シーングラフを構造化視覚情報として活用し,制御可能な構造介入を行うフレームワークであるSceneAlignを提案する。
  論文  参考訳（メタデータ） (2026-01-09T07:40:39Z)
• Robust Symbolic Reasoning for Visual Narratives via Hierarchical and Semantically Normalized Knowledge Graphs [1.320904960556043]
  本稿では,階層的物語知識グラフのための意味正規化フレームワークを提案する。 本稿では,語彙的類似性と埋め込みに基づくクラスタリングを用いて,意味的関連行動と事象を統合化する手法を提案する。 Manga109データセットからの注釈付きマンガストーリーのフレームワークを実演する。
  論文  参考訳（メタデータ） (2025-08-20T03:43:13Z)
• Re:Verse -- Can Your VLM Read a Manga? [14.057881684215047]
  現在の視覚言語モデル(VLM)は、表面レベルの認識と深い物語的推論の間に重要なギャップを示す。 本稿では,細粒度マルチモーダルアノテーション,クロスモーダル埋め込み解析,検索強化評価を組み合わせた新しい評価フレームワークを提案する。 本稿では,VLMにおける長期的物語理解に関する最初の体系的研究を,生成的ストーリーテリング,文脈的対話グラウンドニング,時間的推論という3つのコア評価軸を通じて行った。
  論文  参考訳（メタデータ） (2025-08-11T22:40:05Z)
• Fine-Grained Modeling of Narrative Context: A Coherence Perspective via Retrospective Questions [48.18584733906447]
  この研究は、物語の中の個々の通路が孤立するよりも密接な関係にある傾向があるという特徴から生まれた、物語理解のためのオリジナルで実践的なパラダイムを取り入れたものである。 本稿では,タスク非依存のコヒーレンス依存を明示的に表現したNarCoというグラフを定式化することにより,物語コンテキストのきめ細かいモデリングを提案する。
  論文  参考訳（メタデータ） (2024-02-21T06:14:04Z)
• Diffusion Model with Cross Attention as an Inductive Bias for Disentanglement [58.9768112704998]
  遠方表現学習は、観測データ内の本質的要因を抽出する試みである。 我々は新しい視点と枠組みを導入し、クロスアテンションを持つ拡散モデルが強力な帰納バイアスとなることを示す。 これは、複雑な設計を必要とせず、クロスアテンションを持つ拡散モデルの強力な解離能力を明らかにする最初の研究である。
  論文  参考訳（メタデータ） (2024-02-15T05:07:54Z)
• Screenplay Summarization Using Latent Narrative Structure [78.45316339164133]
  本稿では,物語の基盤となる構造を一般教師なし・教師付き抽出要約モデルに明示的に組み込むことを提案する。 重要な物語イベント(転回点)の観点で物語構造を定式化し、脚本を要約するために潜伏状態として扱う。 シーンレベルの要約ラベルを付加したテレビ画面のCSIコーパスの実験結果から,潜角点がCSIエピソードの重要な側面と相関していることが判明した。
  論文  参考訳（メタデータ） (2020-04-27T11:54:19Z)

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。