标签
ConWriter 引入了一种无需训练的框架，用于长篇故事生成，通过场景级增量写作、符号状态推理和不确定性感知的风险信号来维持叙事一致性。在 ConStory-Bench 上跨多个模型和长度进行了评估，旨在防止一致性错误在扩展上下文中传播。
介绍了EpiNarrate，一个将结构化数值推理与自然语言生成分离的智能体框架，用于从集成预测中生成有依据的流行病学叙述。
本文介绍了Narrative World Model（NWM），这是一个面向长篇虚构故事作者的记忆系统。它利用基于叙事学的类型化时间状态图和查询条件混合检索，来回答关于故事状态演变的复杂多跳问题。该系统在叙事学问答基准测试中显著优于现有的时间知识图谱框架（如Graphiti）。
介绍了Magnet——一个基于角色的多智能体目标驱动叙事引擎，用于长篇故事生成，以及Atlas——一个基于图的流水线，用于检测生成叙事中的幻觉。该框架相比单模型基线和IBSEN提高了连贯性并减少了幻觉。
本论文介绍了Loom，一种基于叙事学中故事/话语区分的三层流水线的辅助写作框架，用于控制叙事意图和渲染密度，与基线相比，实现了事实完整性和描述强度的提升。
本文介绍了Narrative-UFET，一种生成简短叙事以提供超细粒度实体类型识别更广泛上下文的方法，与句子级别的基线相比，它提高了长尾类型的性能。
本文提出ReverieMem，一种用于基于书籍的LLM角色扮演代理的三层记忆架构，可防止事实越界和风格单调。同时引入了KBF-QA基准测试，并在知识边界保真度和叙事质量方面取得了显著改进。
一个分层多智能体框架通过强制叙事节奏、确保空间一致性和通过迭代优化与审阅循环实现质量控制，从单一句子生成短剧。它引入了一个新的基准——Short-Drama-Bench，用于评估。
# BIASEDTALES-ML：用于分析大语言模型生成故事中叙事属性分布的多语言数据集 来源：[https://arxiv.org/html/2604.17008](https://arxiv.org/html/2604.17008) Yuxuan Ouyang1,Yingfeng Luo1,Tong Xiao1,2,Jingbo Zhu1,2 1中国沈阳东北大学计算机科学与工程学院 2中国沈阳 NiuTrans Research [email protected] {xiaotong,zhujingbo}@mail.neu.edu.cn ###### 摘要 大型语言模型（LLM）正日益被广泛用
本文提出 CAP-TTA，一个测试时适应框架，利用由偏差风险分数触发的预调节 LoRA 更新，在叙述生成过程中缓解大语言模型的毒性和偏差问题，实现更快的优化和相比标准基线更好的流畅性。
ArcDeck 是一个多智能体框架，通过话语树和迭代智能体优化来建模逻辑流程，从而从学术论文生成演示幻灯片，性能优于直接摘要方法。该论文还引入了 ArcBench，这是一个新的基准测试，用于评估论文到幻灯片生成，强调叙事连贯性和逻辑结构。