面向神经符号交互式叙事的世界状态转换
计算与语言
2026-05-26 v1 人工智能
摘要
大型语言模型 (LLM) 已改变处理自由文本用户输入的交互式叙事系统的可能性。然而，随着这些系统的不断构建，越来越多的证据表明，仅依赖 LLM 会导致故事连贯性问题。最近的研究表明，LLM 可以有效预测基于规则的交互式叙事系统中的状态变化，从而触发预编程的世界状态转换。本文探索了此类转换是否可作为玩家表达的催化剂，以解决纯 LLM 方法所特有的连贯性问题。我们建立在神经符号架构之上，使用开源模型 (Llama 3 70B) 和闭源模型 (Gemini 1.5 Flash)，分别在英语和西班牙语中进行实验。八名参与者玩了两个旨在评估不同目标的情景。我们的观察表明，转换有助于维持世界状态一致性，同时鼓励玩家通过其书面输入进行创造性交互。
引用
@article{arxiv.2605.24719,
title = {World-State Transformations for Neuro-symbolic Interactive Storytelling},
author = {Santiago Góngora and Luis Chiruzzo and Gonzalo Méndez and Pablo Gervás},
journal= {arXiv preprint arXiv:2605.24719},
year = {2026}
}
备注
To be presented at the 17th International Conference on Computational Creativity (ICCC'26)