arXiv cs.CL· Ruisheng Sun, Jiaqi Shao, Weijia Han, Linxi Ju, Yunzhen Zhang, Binyan Sun, Rong Chen, Benjamin Blas Maristany, Ye Lu, Rui Hu, Ernesto Escobar, Bing Luo·· 10 小时前AI 评分20
基于 LLM 的自演化叙事系统：实时自适应与长期优化框架
Towards Self-Evolving Narrative Systems: Real-Time Adaptation and Long-Term Optimization with LLMs
AI 导读
研究者提出一种混合叙事框架，通过语义相似度对齐动态平衡预写内容与 LLM 实时生成，以兼顾作者控制与玩家能动性。该框架还引入反馈驱动的自演化优化机制，利用 in-context learning 迭代精炼提示词，无需人工提示词工程。案例研究与参与者评估显示，该框架在保持玩家能动性的同时提升了叙事连贯性。
正文 · AI 翻译
作者：Ruisheng Sun、Jiaqi Shao、Weijia Han、Linxi Ju、Yunzhen Zhang、Binyan Sun、Rong Chen、Benjamin Blas Maristany、Ye Lu、Rui Hu、Ernesto Escobar、Bing Luo
摘要：传统的交互式叙事系统提供了强大的作者控制力和结构连贯性，但往往限制了玩家的自主性。相比之下，LLM 驱动的叙事能够实现开放式生成和更大的灵活性，却常常存在不一致性和叙事控制力减弱的问题。为了权衡这一取舍，我们提出了一种混合叙事框架，通过语义相似度对齐来动态平衡预先编写的内容与实时 LLM 生成。此外，在长时间游戏过程中保持叙事质量仍是基于 LLM 的叙事创作的核心挑战。为此，我们引入了一个自我进化、反馈驱动的优化框架，利用上下文学习迭代优化提示词，无需人工提示词工程。通过案例研究和基于参与者的评估，我们表明该框架在保持玩家自主性的同时增强了叙事连贯性，有效地使生成内容与作者意图和不断变化的玩家行为保持一致。
| 评论： | 正在接受 ACL Rolling Review（ARR）2026 年 10 月周期的评审 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.01954 [cs.CL] |
| （或 arXiv:2611.01954v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01954 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ruisheng Sun [查看邮箱]
[v1]
2026 年 11 月 1 日星期日 14:33:52 UTC（12,309 KB）
来源：arXiv cs.CL · arxiv.org