Are Large Language Models Capable of Generating Human-Level Narratives?
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；University of Southern California（南加利福尼亚大学）；University of California, Davis（加利福尼亚大学戴维斯分校）
该研究通过包含故事弧、转折点、情感维度的计算框架对比发现，大语言模型生成的叙事结构单一缺张力、语篇理解不及人类，而明确整合语篇特征可使神经叙事生成的多样性等指标提升超40%。
2024-10-04 cs.CL
ILM: An AI-Powered Storytelling Educational Tool
McMaster University（麦克马斯特大学）
ILM是一款结合阿拉伯语NLP、KG和LLM的交互式教育平台，用于辅助多语言环境下伊斯兰先知故事的结构化学习、理解与评估。
2026-10-15 cs.CL
SENSE: State-aware Emotion Navigation Storytelling Engine
Ritsumeikan University（立命馆大学）；Tampere University（坦佩雷大学）
SENSE是一个状态感知框架，通过集成MIND架构和路径感知模块，从最小输入生成多路径情感丰富的分支视觉小说，并在叙事多样性和资产集成上优于基线。
2026-10-07 cs.AI cs.HC cs.MM
When Stories Evolve: Benchmarking LLM Storytelling Across Agent Architectures in Open-Ended World Simulations
The University of Hong Kong（香港大学）；Peking University（北京大学）；Tsinghua University（清华大学）；Beijing Institute of Mathematical Sciences and Applications (BIMSA)（北京数学科学与应用研究院）
该研究推出WSE-bench基准，评估开放世界模拟中不同智能体架构的大语言模型故事讲述的持续生成、规范一致性和有意义发展，发现三者存在竞争关系，模型规模仅提升持续生成能力。
2026-08-18 cs.AI cs.CL
Spoiler Alert: Narrative Forecasting as a Metric for Tension in LLM Storytelling
McGill University（麦吉尔大学）；University of Chicago（芝加哥大学）；University of British Columbia（不列颠哥伦比亚大学）；Duke University（杜克大学）
本文提出100-Endings度量衡，通过句级预测故事结局来衡量叙事紧张感，提升LLM故事生成的紧张度并优于现有评估标准。
2026-10-06 cs.CL
Sequential Comics for Jailbreaking Multimodal Large Language Models via Structured Visual Storytelling
AI Security Lab（360人工智能安全实验室）；Politecnico di Milano（米兰理工大学）；Beihang University（北京航空航天大学）
本文提出利用连环漫画式视觉叙事分解恶意查询，通过扩散模型生成图像序列，以83.5%的攻击成功率越狱多模态大语言模型，并揭示安全机制漏洞。
2025-10-16 cs.AI cs.CR
Guiding Generative Storytelling with Knowledge Graphs
University of the Arts London（伦敦艺术大学）
本研究通过知识图谱辅助生成叙事，提升长篇叙述的质量和用户可控性，实验表明结构明确的叙述有明显改进，但反思性故事未见提升。
2026-01-09 cs.CL cs.HC
The Dream Within Huang Long Cave: AI-Driven Interactive Narrative for Family Storytelling and Emotional Reflection
Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
《黑龙洞之梦》通过AI驱动的互动叙事，探索家庭关系中的情感连接与大他者不存在的概念。
2025-04-07 cs.AI cs.MM
Design Techniques for LLM-Powered Interactive Storytelling: A Case Study of the Dramamancer System
Midjourney
Dramamancer系统利用LLM将作者创建的故事架构转化为玩家驱动的交互叙事，探讨了相关设计技术和评估方法。
2026-01-26 cs.AI cs.CL cs.HC
From Words to Worlds: Transforming One-line Prompt into Immersive Multi-modal Digital Stories with Communicative LLM Agent
Rutgers University（罗格斯大学）
针对数字叙事生产可扩展性与灵活性不足的问题，本文提出StoryAgent框架，结合LLM与生成式工具，通过自上而下起草加自下而上生成资产的方式，实现多模态连贯交互式数字故事的自动化生产，无需参考视频即可生成内容，推动了自动化数字叙事发展。
2024-06-21 cs.AI cs.CL cs.GR
SNAP: A Plan-Driven Framework for Controllable Interactive Narrative Generation
Sungkyunkwan University（成均馆大学）
SNAP通过计划驱动的叙事单元结构，实现可控的交互叙事生成，提升场景一致性与用户响应适应性。
2025-11-18 cs.AI cs.HC
Visual Storytelling with Question-Answer Plans
Institute for Language, Cognition and Computation（语言、认知与计算研究所）；School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
提出一种将视觉表示与预训练语言模型及问答对规划相结合的框架，以生成更连贯、有趣且自然的视觉故事，在VIST基准上优于现有方法。
2023-10-17 cs.CL
Kahaani: A Multimodal Co-Creative Storytelling System
Lahore University of Management Sciences（拉瓦尔大学管理科学学院）；University of Michigan（密歇根大学）；Strategize Labs（战略实验室）
Kahaani通过多模态技术帮助儿童提升英语能力、学习生活教训并理解故事结构，采用协同创作方式提供沉浸式教育体验。
2026-02-08 cs.CL
Once Upon a Time: Interactive Learning for Storytelling with Small Language Models
University of Göttingen, Institute of Computer Science（哥廷根大学计算机科学学院）
本文研究用教师模型的高层次反馈训练学生模型讲故事，发现仅需100万词交互式学习即可达到4.1亿词下一词预测的效果，证明认知启发反馈具有极高数据效率。
2025-09-19 cs.AI cs.CL
DataNarrative: Automated Data-Driven Storytelling with Visualizations and Texts
York University（约克大学）；Qatar Computing Research Institute (QCRI)（卡塔尔计算研究所）；Nanyang Technological University（南洋理工大学）；Dialpad Inc.（Dialpad公司）；Salesforce AI（Salesforce人工智能部门）
本文提出DataNarrative多智能体框架，通过反思、生成与验证两个LLM智能体协同工作，并构建含1,449个故事的基准，以自动化生成结合可视化与文本的数据驱动叙事。
2024-10-04 cs.CL
Language as Reality: A Co-Creative Storytelling Game Experience in 1001 Nights using Generative AI
Royal College of Art（皇家艺术学院）；Tsinghua University（清华大学）；KAIST（韩国科学技术院）
本文介绍AI原生游戏《一千零一夜》，玩家通过与GPT-4等大语言模型驱动的角色共创故事，将对话关键词转化为战斗装备，探索AI生成内容拓展叙事游戏类型及AI原生玩法的可能性。
2023-09-18 cs.AI cs.HC
Thinking with Comics: Enhancing Multimodal Reasoning through Structured Visual Storytelling
Harbin Institute of Technology（哈尔滨工业大学）
本文提出用漫画作为中间视觉表示，通过结构化视觉叙事提升多模态推理效率和性能。
2026-02-03 cs.AI
The Many Morals of AI: The cautionary bias of North American news narratives in global perspective
McGill University（麦吉尔大学）
本研究基于12924篇跨区域AI新闻语料，借助大语言模型分析发现，北美AI报道的警示性偏差源于区域负面情感而非对AI本身的担忧，揭示了AI新闻叙事的文化制约性。
2026-10-14 cs.AI cs.CL
Argumentation-Based Person-Tailored Storytelling for Older Adults: A Reflective Hybrid AI Architecture
Umeå University, Department of Computing Science（乌尔姆大学计算机科学系）
本研究探讨了基于知识驱动的LLM叙事是否能支持老年人与数字伴侣的有意义互动。通过整合知识图谱、用户建模、论证理论和论证挖掘，系统在生成叙事时提供指导和检查。研究发现，论证质量与清晰度相关，文化相关性影响使用意愿，而高幻觉风险指标的叙事常被感知为不一致。
2026-10-14 cs.AI
MedGame: Storytelling Gamification Empowered by Large Language Models for Medical Education
CUHK（香港中文大学）；Southern Medical University（南方医科大学）；Peking University（北京大学）；Tencent（腾讯）
研究旨在利用大语言模型助力医学教育，提出MedGame框架，通过双引擎设计将临床病例转化为故事化游戏，构建MedGame Bench进行评估，实验显示特定任务微调提升开源模型表现，学生研究表明其更具吸引力和实用性。
2026-07-24 cs.CL cs.HC
FairyLandAI: Personalized Fairy Tales utilizing ChatGPT and DALLE-3
University of Piraeus（比雷埃夫斯大学）；National and Kapodistrian University of Athens（雅典国立及卡波迪斯特里亚大学）
本研究推出基于OpenAI API开发的大语言模型FairyLandAI，可结合儿童偏好与文化背景生成个性化、寓教于乐的童话，还能自主生成适配DALL·E-3等工具的图像提示词，经实证验证效果良好，为儿童教育与文化传播提供新工具。
2024-07-12 cs.AI
NexusSum: Hierarchical LLM Agents for Long-Form Narrative Summarization
CJ Corporation（CJ公司）
NexusSum提出一种多智能体LLM框架，通过对话到描述转换和分层多LLM摘要两大创新，无需微调即可处理长篇叙事文本，在多领域BERTScore（F1）上最高提升30.0%，达到SOTA。
2025-05-30 cs.AI cs.CL
Collaborative Storytelling with Human Actors and AI Narrators
University of Kent（肯特大学）；Improbotics（即兴机器人技术）
大语言模型可用于协作讲故事。在这项工作中，我们报告使用GPT-3 \cite{brown2020language}共同叙述的故事。人工智能系统必须在人类演员表演场景时跟踪情节进展和角色弧线。这份活动报告详细介绍了一个新颖的对话代理人是如何被雇用为创意合作伙伴与一个专业的即兴创作团队，以探索在现场公众面前的长篇自发故事叙述。我们在语言模型上引入了新的约束，以生成更长的叙事文本，并在与专业即兴表演者团队的排练中测试了该模型。然后，我们现场测试的模型与两个现场表演，为公众观众的一部分，在欧洲的现场戏剧节。我们在每场演出后对观众和表演者进行了调查，以评估人工智能作为叙述者的表现。观众和表演者对人工智能叙事反应积极，并表示在场景中更喜欢人工智能叙事而不是人工智能角色。表演者也对AI叙事给予了积极的回应，并对引入场景的创意和有意义的新颖叙事方向表示了热情。我们的研究结果支持即兴戏剧作为一个有用的试验台，探索不同的语言模型如何在各种社会背景下与人类合作。
2021-09-29 cs.AI cs.HC
Comprehending Spatio-temporal Data via Cinematic Storytelling using Large Language Models
King Abdullah University of Science and Technology (KAUST)（卡塔尔国王 Abdullah 科学与技术大学）；University of Electronic Science and Technology of China (UESTC)（中国电子科学与技术大学）；Aalborg University（奥尔堡大学）
本文提出 MapMuse 框架，结合 LLM、RAG 与智能体技术，将时空数据转化为电影式叙事，并通过出租车轨迹案例展示其降低理解门槛、增强洞察与参与的潜力。
2025-10-20 cs.AI cs.DB
Characterizing the Investigative Methods of Fictional Detectives with Large Language Models
Academy for AI, Games and Media（人工智能、游戏与媒体学院）；Breda University of Applied Sciences（布雷达应用科学大学）；Department of Informatics PUC-Rio（信息学院（PUC-Rio））
本文提出多阶段LLM工作流，系统提取、综合并验证七位经典虚构侦探的调查特征，反向识别准确率达91.43%，为计算叙事学和自动叙事生成提供可扩展框架。
2025-05-12 cs.AI cs.CL
DataSTORM: Deep Research on Large-Scale Databases using Exploratory Data Analysis and Data Storytelling
Computer Science Department, Stanford University（斯坦福大学计算机科学系）
DataSTORM通过探索性数据分析和数据叙事，实现对大规模结构化数据库的深度研究，提出基于论点的分析流程，并在InsightBench上取得新的最佳成绩。
2026-08-28 cs.CL
Narrative Context Protocol: An Open-Source Storytelling Framework for Generative AI
University of Southern California（南加州大学）
本研究提出开源叙事标准Narrative Context Protocol（NCP），通过Storyform编码故事结构实现叙事跨系统可移植性与生成式叙事的意图约束，经一年实验验证其可在生成式AI驱动的互动文本体验中兼顾玩家自主性与叙事连贯性。
2025-07-28 cs.AI cs.CL
WebNovelBench: Placing LLM Novelists on the Web Novel Distribution
Nanyang Technological University（南洋理工大学）；Sun Yat-Sen University（中山大学）
针对现有LLM长文本叙事评估基准的不足，研究推出基于4000余部中文网络小说的WebNovelBench基准，通过多维度框架和LLM评审自动评估，可有效区分不同来源内容并排名24款主流LLM的叙事能力。
2025-05-20 cs.AI cs.CL
Narrative Studio: Visual narrative exploration using LLMs and Monte Carlo Tree Search
针对当前 LLM 聊天界面限制交互式叙事为单一流程的问题，提出 Narrative Studio，通过树状界面、迭代 LLM 推理、MCTS 自动扩展及实体图锚定，实现分支叙事的探索与增强。
2025-04-03 cs.AI
GENEVA: GENErating and Visualizing branching narratives using LLMs
Microsoft Research（微软研究院）
本文提出GENEVA原型工具，利用GPT-4根据设计师的高层描述与约束自动生成并可视化带分支和重新汇聚的叙事图，并在四个著名故事上验证其辅助游戏叙事开发的潜力。
2024-06-05 cs.CL
Improving Collaborative Storytelling with a Multi-Agent Framework Based on Large Language Models
Data Science Section IT University of Copenhagen（数据科学部门 河南大学）；AI Section - brAIn lab IT University of Copenhagen（人工智能部门 - brAIn实验室 河南大学）
提出一种基于大语言模型的多智能体框架，通过迭代的写者-编辑者过程，在物理棋盘游戏中与儿童协作生成高质量故事。
2026-05-28 cs.AI
From Personas to Plot: Character-Grounded Multi-Agent Story Generation for Long-Form Narratives
Pocket FM；Princeton University（普林斯顿大学）；University of Michigan（密歇根大学）；University of Maryland（马里兰大学）；Universitat Pompeu Fabra（庞培法布拉大学）
提出MAGNET多智能体叙事引擎和ATLAS幻觉检测管线，通过角色代理和世界状态追踪，在100页故事中减少41%注释和50%幻觉，实现连贯长篇小说生成。
2026-10-06 cs.AI cs.CL cs.MA
SPoRC-VIST: A Benchmark for Evaluating Generative Natural Narrative in Vision-Language Models
Georgia Institute of Technology（佐治亚理工学院）
SPoRC-VIST基准通过合成到现实训练策略评估视觉语言模型生成多说话者播客对话的自然性和深度。
2026-01-03 cs.AI cs.CV cs.LG
Data storytelling meets interpretable machine learning: Decoding AI decisions for non-experts without revealing sensitive data and model details
Renmin University of China（中国人民大学）
本研究将数据叙事与可解释机器学习结合，通过“What-if”和“Why-not”故事及数据脱敏，为非专家解读AI决策，实证显示可及性显著优于传统SHAP可视化。
2026-09-15 cs.AI cs.CL cs.HC
Applying Large Language Models to Characterize Public Narratives
MIT（麻省理工学院）；Wellesley College（韦尔斯利学院）；Harvard University（哈佛大学）
针对公共叙事系统性分析的挑战，本研究提出利用大型语言模型（LLMs）实现其定性标注自动化的计算框架，经评估LLMs接近人类专家性能（平均F1达0.80），还拓展至政治演讲分析，为可扩展叙事研究提供新视角。
2025-11-17 cs.CL
PeaCoK: Persona Commonsense Knowledge for Consistent and Engaging Narratives
EPFL（洛桑联邦理工学院）；Sony Group Corporation（索尼集团公司）
本文提出大规模人物角色常识知识图谱 PeaCoK，包含约 10 万条经人工验证的事实，覆盖五个人物角色知识维度，以提升叙事智能体生成内容的一致性与吸引力。
2023-05-26 cs.CL
PlayWrite: A Multimodal System for AI Supported Narrative Co-Authoring Through Play in XR
Institute of Neurosciences of the University of Barcelona（巴塞罗那大学神经科学研究所）；Autodesk Research（Autodesk研究）
PlayWrite是一种通过XR中的游戏化互动实现AI支持的叙事协作写作的多模态系统，通过直接操控虚拟角色和道具，结合多智能体AI管道和大型语言模型，促进高度即兴和游戏化的创作过程。
2026-03-02 cs.AI cs.HC
Envisioning Narrative Intelligence: A Creative Visual Storytelling Anthology
University of Washington（华盛顿大学）；DEVCOM Army Research Laboratory（美国陆军作战能力发展司令部陆军研究实验室）
该研究收集100篇即兴视觉故事构建的作品，分析得出五大创作差异主题，并据此提出计算视觉故事讲述的叙事智能五大标准，为自动故事生成的训练数据收集与发展提供参考。
2023-10-06 cs.CL
A Pipeline for Creative Visual Storytelling
U.S. Army Research Laboratory（美国陆军研究实验室）
计算视觉叙事产生对事件的文本描述和在图像序列中描绘的解释。这些文本是通过自然语言处理、生成和计算机视觉的进步和跨学科方法而成为可能的。我们定义一个计算创造性的视觉故事是一个有能力改变一个故事的讲述沿着三个方面：谈论不同的环境，根据叙事目标产生变化，并适应观众的叙事。创造性叙事的这些方面及其对叙事的影响还有待于在视觉叙事中进行探索。本文提出了一个管道的任务模块，对象识别，单图像推理，多图像叙事，作为一个初步设计，建立一个创造性的视觉讲故事。我们已经在一个注释任务中对一系列图像进行了这种设计。我们提出并分析收集的语料库，并描述自动化的计划。
2018-07-21 cs.CL
EMNS /Imz/ Corpus: An emotive single-speaker dataset for narrative storytelling in games, television and graphic novels
Bournemouth University（伯恩茅斯大学）
本文提出了EMNS /Imz/语料库，一个包含2.3小时、八类均衡情感的单说话人叙事语音数据集，实验证明其在情感传达和表现力上优于现有数据集，并开源了收集工具。
2023-05-25 cs.CL cs.LG cs.MM
An automated pipeline for the discovery of conspiracy and conspiracy theory narrative frameworks: Bridgegate, Pizzagate and storytelling on the web
UCLA（加利福尼亚大学洛杉矶分校）
尽管人们对阴谋论如何在社交媒体上传播及其事实对应的阴谋给予了大量关注，但在描述其叙事结构方面几乎没有进行过计算工作。我们提出了一个自动化的管道，用于发现和描述社交媒体上阴谋论的生成叙事框架，以及新闻媒体报道的实际阴谋。我们的这项工作基于两个独立的帖子和新闻文章库，描述了2016年着名的阴谋理论Pizzagate和2013年的新泽西阴谋Bridgegate。我们制定了一个图形生成的机器学习模型，其中节点代表演员/演员，多边缘和节点之间的自循环捕获上下文特定的关系。帖子和新闻被视为隐藏叙事网络的子图样本。重建底层结构的问题被视为一个潜在的模型估计问题。我们自动提取和聚合的演员和他们的关系，从职位和文章。我们捕捉上下文特定的行动者和互动的关系，通过开发一个系统的超级节点和子节点。我们用这些来构建一个网络，构成了底层的叙事框架。我们展示了比萨饼门框架如何依赖于阴谋理论家对“隐藏知识”的解释来链接人类互动的其他未链接域，并假设这种多域焦点是阴谋论的一个重要特征。虽然比萨门依赖于多个领域的联盟，但布里奇盖特仍然牢牢扎根于新泽西州政治的单一领域。我们假设，阴谋论的叙事框架可能会很快稳定下来，而实际的叙事框架可能会随着启示的曝光而发展得更慢。
2020-08-23 cs.CL cs.SI
Imagining from Images with an AI Storytelling Tool
Academy for AI, Games and Media（人工智能、游戏与媒体学院）；Breda University of Applied Sciences（布雷达应用科学大学）；PUC-Rio（里约热内卢天主教大学）
本文提出ImageTeller工具，利用GPT-4o多模态能力分析图像生成故事，并由Stable Diffusion XL配图，支持用户按体裁引导叙事并交互调整。
2024-08-21 cs.CL
Social Story Frames: Contextual Reasoning about Narrative Intent and Reception
Carnegie Mellon University（卡内基梅隆大学）；University of Colorado Boulder（科罗拉多大学博尔德分校）；University of Michigan-Flint（密歇根大学弗林特分校）；University of Connecticut（康涅狄格大学）；McGill University（麦吉尔大学）
本文提出SocialStoryFrames框架，通过对话上下文和叙事理论等理论，构建了读者反应的正式化模型，用于分析社交媒体中的叙事意图和接受情况。
2026-04-15 cs.AI cs.CL cs.LG
Great Expectations: Unsupervised Inference of Suspense, Surprise and Salience in Storytelling
University of Edinburgh（爱丁堡大学）
我们之所以对故事感兴趣，并不是因为它们是一系列平凡和可预测的事件，而是因为它们具有戏剧性和张力。创造戏剧性和令人兴奋的故事的关键是惊喜和悬念。本文通过阅读故事训练了一系列深度学习模型，这是一个自我监督（或无监督）的系统。将叙事理论方法（规则和程序）应用于深度学习模型中内置的知识，以直接推断故事中的显著性，惊喜和显著性。扩展从故事情节和维基百科中添加记忆和外部知识，以推断小说（如Great Expectations）和戏剧（如Macbeth）的显著性。其他的工作将这些模型作为一个规划系统，用于生成原创故事。本文发现，将叙事理论应用于深度学习模型可以与典型读者保持一致。在后续工作中，这些见解可以帮助改进计算机模型，用于自动撰写故事以及帮助撰写，总结或编辑故事等任务。此外，将叙事理论应用于一个从阅读书籍、观看视频和收听音频中自我学习（自我监督）的系统内置的的内在品质的方法要便宜得多，也更适合于其他领域和任务。在改进自我监督系统方面进展迅速。因此，本论文的相关性在于，将领域专业知识应用于这些系统可能是在许多感兴趣的领域中应用机器学习的更有效的方法。
2022-06-20 cs.AI cs.CL cs.LG
From Image Captioning to Visual Storytelling
TUDelft（代尔夫特理工大学）
本研究将视觉叙事视为图像描述的超集，先通过视觉到语言模型生成图像描述，再以语言到语言方法转化为连贯叙事，缩短训练时间且易复用，还提出ideality指标模拟与基准模型的差距及类人性。
2025-07-31 cs.CL cs.CV
Character-Centric Storytelling
Aalto University（阿尔托大学）
顺序视觉到语言或视觉故事讲述最近成为计算机视觉和语言建模领域的焦点领域之一。虽然现有的模型生成的叙事主观上读起来很好，但在某些情况下，这些模型可能会错过生成故事的机会，这些故事可以解释和解决图像序列中所有潜在的人类和动物角色。考虑到这种情况下，我们提出了一个模型，隐式地学习提供的字符之间的关系，从而生成的故事与各自的字符范围。为此，我们使用了VIST数据集，并报告了数据集上的许多统计数据。最后，我们描述了模型，解释了实验，并讨论了我们的现状和未来的工作。
2020-01-06 cs.CL cs.CV
The Dynamical Principles of Storytelling
Northrop Grumman Corporation（诺斯罗普·格鲁曼公司）；University of Colorado, Boulder（科罗拉多大学博尔德分校）；Fusion Constructive LLC（Fusion Constructive有限责任公司）；JP Morgan（摩根大通）；GALT Aerospace（GALT航空航天公司）；University of Melbourne（墨尔本大学）；Boulder Internet Technologies（博尔德互联网技术公司）
本文分析1800篇短篇小说开篇，发现前十几段遵循特定行动原则且顺序敏感，揭示故事开端在语义空间中的偏好方向及其西方叙事传统根源。
2023-09-29 cs.CL
Synopses of Movie Narratives: a Video-Language Dataset for Story Understanding
Nanyang Technological University（南洋理工大学）；University of Virginia（弗吉尼亚大学）
针对故事理解研究不足的问题，作者构建并发布了包含5,193个视频摘要、总时长869小时的视频-语言数据集SyMoN，并建立视频-文本检索与零样本对齐基准，揭示了领域内数据与长期记忆的重要性。
2023-04-05 cs.CL cs.CV cs.LG
Inferring the Reader: Guiding Automated Story Generation with Commonsense Reasoning
Georgia Institute of Technology（佐治亚理工学院）；Allen Institute for Artificial Intelligence（艾伦人工智能研究所）
针对Transformer模型在自动故事生成中情节不连贯、缺乏常识推理及难以追踪角色的问题，提出了引入常识推理并支持多角色互动建模的CAST框架，显著提升了单角色与双角色故事的连贯性、切题度、趣味性与流畅性。
2023-11-17 cs.CL
How Do People Challenge Racial Stereotypes Online? Counter-Story Detection Across Reddit Communities
IBM；Carnegie Mellon University（卡内基梅隆大学）；University of Colorado Boulder（科罗拉多大学博尔德分校）
本文提出首个大规模检测对抗叙事的框架，包含三维分类体系与多阶段流水线，在25,549条Reddit帖子中识别出1,312条对抗叙事，揭示发言者身份与语境对叙事方式的影响。
2026-10-06 cs.CL
Exploring aspects of similarity between spoken personal narratives by disentangling them into narrative clause types
MIT Media Lab（麻省理工学院媒体实验室）
分享个人故事是人类社会行为的一个基本方面，因为它有助于分享我们的生活经历。我们可以讲故事，并依靠我们的背景来理解他们的背景，相似之处和差异。在开发讲故事机器或推断人物特征方面已经做出了大量努力。然而，我们通常不会找到比较叙述的模型。这项任务对机器来说是非常具有挑战性的，因为它们和我们有时一样，缺乏对相似性含义的理解。为了应对这一挑战，我们首先介绍了一个语料库的真实世界的口语个人叙述，包括10,296个叙事条款，从594个视频成绩单。其次，我们请非叙事专家根据Labov的个人叙事社会语言学模型（即，动作、定向和评估条款类型），并训练分类器，该分类器对于最高同意条款达到84.7%F分数。最后，我们匹配的故事，并探讨人们是否隐含地依赖于Labov的框架来比较叙述。我们表明，行动其次是叙述者的评价，这些方面的非专家认为最。我们的方法旨在帮助为旨在研究或表示个人叙述的机器学习方法提供信息。
2020-05-27 cs.CL cs.CY
Coreference as an indicator of context scope in multimodal narrative
University of Gothenburg（哥德堡大学）；Queen Mary University of London（伦敦玛丽女王大学）；King’s College London（伦敦国王学院）
本研究通过量化共指分布，揭示大型多模态语言模型在视觉叙事中与人类在上下文追踪上的差异，并提供了相应指标与代码。
2025-06-20 cs.CL
