論文の概要: Creating Hybrid Interactive Narrative Systems with LLM: From Formal Description to Evaluation

• arxiv url: http://arxiv.org/abs/2611.02807v1
• Date: Mon, 02 Nov 2026 09:15:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.585478
• Title: Creating Hybrid Interactive Narrative Systems with LLM: From Formal Description to Evaluation
• Title（参考訳）: LLMを用いたハイブリッド対話型ナラティブシステムの構築:形式記述から評価まで
• Abstract要約: 大規模言語モデルは、新しい世代のハイブリッドエクスペリエンスマネージャを可能にする。 マネージャの振る舞いは一般的に、それが機能するユニークな特定のシナリオに結びついており、その決定の多くは、明示的で検証可能な構造の外で行われる。 我々は、LLMベースの物語プラットフォームでこの問題に対処し、マネージャは共有シンボル世界モデル上で操作できる交換可能なモジュールである。 オープンジェネレーション,モンテカルロ修復,自律的キャラクタに基づくコントラストマネージャを3つ実装し,インタラクティブなリトルレッドライドフッドシナリオにおける機能解析により比較する。
• 参考スコア（独自算出の注目度）: 0.359986669039879
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interactive narratives let users shape a story while an Experience Manager (EM) keeps it coherent, balancing player freedom against authorial control. Large Language Models now enable a new generation of hybrid EMs, which combine run-time generation from free-text input with symbolic narrative control. However, their heterogeneity makes them hard to compare: A manager's behaviour is generally tied to the unique and specific scenario in which it operates, and much of its decision-making takes place outside of any explicit and verifiable structure. We address this with an LLM-based narrative platform whose managers are interchangeable modules operating over a shared symbolic world model of facts, operations, and goals. Because every applied operation carries explicit preconditions and effects, each session can be analysed as a plan through a common state-transition representation and evaluated, independently of how the manager works internally, with shared indicators of four properties: player agency, EM controllability, author intent, and robustness. We implement three contrasting managers, based respectively on open generation, Monte Carlo repair, and autonomous characters, and compare them through functional analysis on an interactive Little Red Riding Hood scenario. The results show that no manager dominates on every property, giving authors and EM designers a concrete basis to select a manager according to their priorities.
• Abstract（参考訳）: インタラクティブな物語は、ユーザがストーリーを形作ることができる一方で、エクスペリエンスマネージャ(EM)は、プレイヤーの自由と権威的なコントロールのバランスを保ちながら、一貫性を維持します。 大規模言語モデルは、自由テキスト入力から実行時生成と象徴的な物語制御を組み合わせた、新しい世代のハイブリッドEMを可能にする。 マネージャの振る舞いは一般的に、それが機能するユニークな特定のシナリオに結びついており、その決定の多くは、明示的で検証可能な構造の外で行われる。 我々は、LLMベースの物語プラットフォームでこの問題に対処する。マネージャは、事実、操作、目標の共有象徴的世界モデル上で運用される交換可能なモジュールである。 適用されたすべての操作は明示的な前提条件と効果を持つため、各セッションは共通の状態遷移表現を通じて計画として分析され、管理者が内部でどのように機能するかによらず、プレイヤーエージェンシー、EM制御性、作者の意図、ロバストネスの4つの特性の共有指標で評価される。 オープンジェネレーション,モンテカルロ修復,自律的キャラクタに基づくコントラストマネージャを3つ実装し,対話型リトルレッドライドフッドシナリオにおける機能解析により比較する。 その結果、どのマネージャもすべてのプロパティを支配せず、著者やEMデザイナに優先順位に応じてマネージャを選択するための具体的なベースを与えています。

関連論文リスト

• Analysing the Narrative Paradox through Formal Models and Properties in Interactive Narrative [0.359986669039879]
  対話的な物語は、プレイヤーがコヒーレントで満足な物語の進行を保ちながら物語の展開に影響を与えることを目的としている。 これにより、プレイヤーの自律性と物語制御の間に中心的な緊張が生じ、一般的には物語パラドックスと呼ばれる。 経験マネージャ(EM)は、プレイヤーの振る舞いに応じてストーリーがどのように進行するかを決定することでストーリーを管理します。 本稿では,EM決定によって形成される相互依存特性間のトレードオフとして,物語パラドックスをモデル化し,解析するための形式的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-11-02T09:10:17Z)
• S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement? [66.17176838165994]
  大規模言語モデル(LLM)は、ますます外部環境と相互作用し、かなりの行動経験を蓄積する。 エージェントがその振る舞いを積極的にテストし、得られた経験を判断し、その経験を使って将来の意思決定を改善することができるかどうかは不明だ。 LLM自己改善評価のための対話型ベンチマークである textbfStextsuperscript3Gym を導入する。
  論文  参考訳（メタデータ） (2026-08-31T17:05:41Z)
• AgoraSim: A Hybrid Agent-Based Modeling Framework [4.857286974497513]
  AgoraSimは、シナリオ指向の社会的反応分析のためのハイブリッドエージェントベースのモデリングフレームワークである。 LLM、視覚言語、カスタムエンドポイント、ランダム、クラシックエージェントを混合した比率制御された集団を運用している。 すべてのエージェントは共有された構造化された決定オブジェクトを出力し、共通のアクション空間、インタラクションプロトコル、メトリクス、監査記録を可能にする。
  論文  参考訳（メタデータ） (2026-07-07T08:37:17Z)
• ClawArena-Team: Benchmarking Subagent Orchestration and Dynamic Workflows in Language-Model Agents [61.184954205350984]
  ClawArena-Teamは、41のマルチターン、マルチモーダル、マルチエージェントシナリオのベンチマークである。 全体的なスコア -- Subagent-Management Score (SMS) -- は、タスクの正しさを最小限のプライマリとモダリティのルーティング因子によって乗算する。
  論文  参考訳（メタデータ） (2026-06-30T06:06:08Z)
• Beyond Isolated Behaviors: Hierarchical User Modeling for LLM Personalization [46.59946880253904]
  大規模言語モデル(LLM)は、様々な領域にまたがる顕著な能力を示してきたが、個々のユーザにアウトプットをパーソナライズすることは、依然としてオープンな課題である。 既存のアプローチは主にフラットな振舞いパラダイムを採用し、より深い振舞い構造にどのように組織化されているかを明確に説明せずにユーザーの振舞いを集約する。 実践としての個人行動, 習慣としての時間的蓄積, 類似のユーザ間での規則性の共有という3つの階層的なレベルを通じて, LLMのパーソナライゼーションを再認識する社会学的基盤の枠組みであるPHFを提案する。
  論文  参考訳（メタデータ） (2026-06-01T14:23:17Z)
• 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)
• LangSuitE: Planning, Controlling and Interacting with Large Language Models in Embodied Text Environments [70.91258869156353]
  テキストエンボディの世界における6つの代表的具体的タスクを特徴とする多目的・シミュレーション不要なテストベッドであるLangSuitEを紹介する。 以前のLLMベースのテストベッドと比較すると、LangSuitEは複数のシミュレーションエンジンを使わずに、多様な環境への適応性を提供する。 具体化された状態の履歴情報を要約した新しいチェーン・オブ・ソート(CoT)スキーマであるEmMemを考案する。
  論文  参考訳（メタデータ） (2024-06-24T03:36:29Z)
• AMOR: A Recipe for Building Adaptable Modular Knowledge Agents Through Process Feedback [91.76169903959376]
  オープンソースの大規模言語モデル(LLM)に基づくエージェントフレームワークAMORを提案する。 AMORは有限状態マシン(FSM)上に推論ロジックを構築し、自律的な実行と非絡み合ったモジュールの遷移によって問題を解決する。 この推論とフィードバックの枠組みに基づき、2段階の微調整(ウォームアップと適応)によりAMORを開発する。
  論文  参考訳（メタデータ） (2024-02-02T14:56:48Z)

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。