SCORE: Story Coherence and Retrieval Enhancement for AI Narratives

要約

大規模な言語モデル（LLM）は、ユーザー指定の入力から創造的で魅力的な物語を生成できますが、これらのAIに生成されたストーリー全体で一貫性と感情的な深さを維持することは依然として課題です。
この作業では、物語の矛盾を検出および解決するために設計されたストーリーの一貫性と検索の強化のフレームワークであるスコアを提案します。
主要なアイテムのステータスを追跡し、エピソードの要約を生成することにより、Scoreは検索された高級生成（RAG）アプローチを使用し、TF-IDFとCOSINEの類似性を組み込み、関連するエピソードを特定し、ストーリー構造全体を強化します。
複数のLLM生成されたストーリーをテストした結果は、スコアがベースラインGPTモデルと比較して物語の一貫性の一貫性と安定性を大幅に改善し、AIに生成された物語を評価および改良するためのより堅牢な方法を提供することを示しています。

要約(オリジナル)

Large Language Models (LLMs) can generate creative and engaging narratives from user-specified input, but maintaining coherence and emotional depth throughout these AI-generated stories remains a challenge. In this work, we propose SCORE, a framework for Story Coherence and Retrieval Enhancement, designed to detect and resolve narrative inconsistencies. By tracking key item statuses and generating episode summaries, SCORE uses a Retrieval-Augmented Generation (RAG) approach, incorporating TF-IDF and cosine similarity to identify related episodes and enhance the overall story structure. Results from testing multiple LLM-generated stories demonstrate that SCORE significantly improves the consistency and stability of narrative coherence compared to baseline GPT models, providing a more robust method for evaluating and refining AI-generated narratives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google