論文の概要: Towards Self-Evolving Narrative Systems: Real-Time Adaptation and Long-Term Optimization with LLMs

• arxiv url: http://arxiv.org/abs/2611.01954v1
• Date: Sun, 01 Nov 2026 14:33:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.512339
• Title: Towards Self-Evolving Narrative Systems: Real-Time Adaptation and Long-Term Optimization with LLMs
• Title（参考訳）: 自己進化型ナラティブシステムに向けて:LLMによるリアルタイム適応と長期最適化
• Abstract要約: 本稿では,事前に作成したコンテンツとリアルタイムLLM生成のバランスをとるハイブリッド物語フレームワークを提案する。 我々は,プレイヤーエージェンシーを維持しながら,物語の一貫性を高める枠組みを示す。
• 参考スコア（独自算出の注目度）: 8.253600209950859
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional interactive narrative systems offer strong authorial control and structural coherence but often restrict player agency. In contrast, LLM-driven narratives enable open-ended generation and greater flexibility, yet frequently suffer from inconsistency and diminished narrative control. To navigate this trade-off, we propose a hybrid narrative framework that dynamically balances pre-authored content with real-time LLM generation via semantic similarity alignment. Additionally, sustaining narrative quality over extended gameplay remains a core challenge in LLM-based storytelling. To address this, we introduce a self-evolving, feedback-driven optimization framework that leverages in-context learning to iteratively refine prompts, eliminating the need for manual prompt engineering. Through a case study and participant-based evaluation, we show that our framework enhances narrative coherence while preserving player agency, effectively aligning generated content with both authorial intent and evolving player behavior.
• Abstract（参考訳）: 伝統的な対話型物語システムは強い権威的制御と構造的コヒーレンスを提供するが、しばしばプレイヤーエージェンシーを制限する。 対照的に、LLM駆動の物語は、オープン・エンド・ジェネレーションと柔軟性を高めることができるが、不整合や物語制御の低下に悩まされることが多い。 このトレードオフをナビゲートするために,提案するハイブリッドな物語フレームワークを提案する。 さらに、拡張されたゲームプレイよりも物語の質を維持することは、LLMベースのストーリーテリングにおける中核的な課題である。 そこで本研究では,インコンテキスト学習を利用した自己進化型フィードバック駆動型最適化フレームワークを導入し,プロンプトを反復的に洗練し,手動プロンプトエンジニアリングの必要性を解消する。 ケーススタディと参加者による評価により,我々の枠組みはプレイヤーエージェンシーを保ちながら物語のコヒーレンスを高め,作者の意図とプレイヤーの行動の進化を効果的に一致させることが示されている。

関連論文リスト

• ViMax: Agentic Video Generation [55.546794487716646]
  ロングフォームビデオ生成には、体系的な物語計画と視覚的一貫性が必要である。 我々のフレームワークは、グローバルなストーリーコヒーレンスのための検索強化世代を備えた階層的な物語エンジンを採用している。 VLM誘導エージェントは、物語のコヒーレンスと視覚的忠実さの両方を継続的に監視し、洗練する。
  論文  参考訳（メタデータ） (2026-06-02T12:55:41Z)
• 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)
• NarraScore: Bridging Visual Narrative and Musical Dynamics via Hierarchical Affective Control [59.6128550986024]
  ナラスコア(NarraScore)は、感情が物語論理の高密度圧縮として働くという中心的な洞察に基づく階層的なフレームワークである。 NarraScoreは、グローバルな構造とローカルなダイナミズムを調和させるために、Dual-Branch Injection戦略を採用している。 NarraScoreは、無視可能な計算オーバーヘッドを伴う最先端の一貫性と物語のアライメントを実現している。
  論文  参考訳（メタデータ） (2026-02-09T09:39:42Z)
• Codified Foreshadowing-Payoff Text Generation [67.01182739162142]
  前処理と支払いは、著者が物語の初期にコミットメントを導入し、具体的で観察可能な結果を通じてそれらを解決するユビキタスな物語装置である。 既存の評価は、物語のセットアップの論理的充足よりも表面レベルのコヒーレンスに焦点をあてて、この構造的失敗を概ね見落としている。 我々は,報奨実現のレンズを通して物語の質を再構築する新しいフレームワークであるCodified Foreshadowing-Payoff Generationを紹介した。
  論文  参考訳（メタデータ） (2026-01-11T19:05:37Z)
• NarrativeTrack: Evaluating Video Language Models Beyond the Frame [10.244330591706744]
  MLLMにおける物語理解を評価する最初のベンチマークであるNarrativeTrackを紹介する。 映像を構成要素に分解し,構成推論(CRP)フレームワークを用いて連続性を検証する。 CRPは、時間的永続性から文脈的進化、そしてきめ細かい知覚的推論まで、モデルを進化させることに挑戦する。
  論文  参考訳（メタデータ） (2026-01-03T07:12:55Z)
• OPEN-THEATRE: An Open-Source Toolkit for LLM-based Interactive Drama [62.00761178362677]
  Open-Theatreは、LLMベースのインタラクティブドラマを体験し、カスタマイズするための最初のオープンソースツールキットである。 効率的なマルチエージェントアーキテクチャと階層型検索ベースのメモリシステムによる事前処理を洗練する。
  論文  参考訳（メタデータ） (2025-09-20T14:53:14Z)
• Text2Story: Advancing Video Storytelling with Text Guidance [19.901781116843942]
  本研究では、シーンとアクションプロンプトを統合し、動的にインスパイアされたプロンプトミキシングによってこれを実現できる新しいストーリーテリングフレームワークを提案する。 本研究では,各拡散時間におけるシーンおよびアクションプロンプトの影響を適応的にバランスさせる動的インフォームドプロンプト重み付け機構を提案する。 動きの連続性をさらに向上するために、ハイレベルなアクション意味論をブレンディングプロセスにエンコードするために、セマンティックアクション表現を組み込む。
  論文  参考訳（メタデータ） (2025-03-08T19:04:36Z)
• WhatELSE: Shaping Narrative Spaces at Configurable Level of Abstraction for AI-bridged Interactive Storytelling [11.210282687859534]
  WhatELSEはAIでブリッジされたINオーサリングシステムで、例題から物語可能性空間を生成する。 我々は,WhatELSEによって著者が物語空間を知覚し,編集し,プレイ時に対話的な物語を生成することができることを示す。
  論文  参考訳（メタデータ） (2025-02-25T21:02:15Z)

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。