该研究探讨了使用细分搜索解决情节生成问题的可能性，并提出了一种新型的细分搜索规划算法，可以创建具有因果关系的情节进展，并在识别可能的角色目标和创建计划结构方面解释为什么这些角色承诺他们的目标。结果表明，IPOCL算法生成的叙述计划比传统的部分顺序规划器生成的计划更能支持观众理解角色意图。

Jan, 2014

通过该系统，我们可以使用互连的修辞手法描述游戏中的叙述结构，从而生成新的游戏叙述结构，这些结构可以通过演化来改进。

Mar, 2022

通过将AI生成的文本与游戏相结合，利用混合主动性合作的方式，探索人工智能与人类之间的互动，从而提高内容创作者和玩家的可访问性和趣味性，进一步影响玩家的创造性过程和角色认知，以及根据不同背景偏好，鼓励创新内容合作设计。

Jul, 2023

该研究探讨了通过引入一个独立于底层地图生成方法的剧情设施布局设计层来解决游戏地图设计中支持故事的问题，通过引入强化学习（RL）系统，在游戏地图上自动分配具体位置以满足故事中的空间约束，并通过训练和评估RL模型，提供基于RL的剧情设施布局设计的洞见。

Sep, 2023

通过主题分析创作过程中的变异性，本研究呈现了创造性视觉叙事过程中的五个主题：根据视觉叙事与构想进行叙述、动态描绘实体/物体特征、感知场景的经验性信息、调节情绪、编码叙事偏见。从对人们从图像中获取故事的不同方式的理解出发，我们提出了收集以故事驱动的训练数据来支持自动故事生成的注意事项。同时，我们针对每个主题提出了计算机视觉叙述智能标准：创造性、可靠性、表达性、基于实证的、负责任的，从这些标准出发，我们讨论了如何突出创意表达、考虑偏见，并对视觉叙事世界的范围进行了操作。

Oct, 2023

在这项研究中，我们展示了大型生成文本模型辅助生成丰富的、分支故事线的图形互动叙述可用于对接具备不同上下文约束的四个著名故事，通过与 GPT-4 的配合来进行游戏设计的例证。

Nov, 2023

我们提出了一个名为SARD的可视化工具，用于利用大型语言模型生成多章节故事，通过对其可用性和创意支持的评估，我们发现节点可视化可能有助于作者建立心理模型，但在故事更加复杂时会导致不必要的认知负荷和注意力分散，还发现无论故事复杂与否，AI生成的故事在词汇多样性方面都较少，这些发现为未来人工智能与人类共同创作工具的发展提供了指导。

Mar, 2024

通过与大型语言模型的互动，玩家能够参与游戏叙事的演化，发现有趣且具有吸引力的新节点，进而创造出非原始叙事中不存在的内容。

Apr, 2024

自动生成游戏情节提升了玩家的体验，通过提供丰富而沉浸式的叙述体验，适应玩家的操作。我们提出了一种新的情节创作工作流程，通过使用大型语言模型驱动虚拟角色的行为，导入作者的意图并创造出根据游戏世界状态动态适应的故事，最终实现了作者、角色模拟和玩家共同创作的故事。

May, 2024

本研究解决了传统视觉叙事中的复杂性和资源限制问题。通过引入一种创新的方法Story3D-Agent，利用大型语言模型将叙事转化为3D视觉效果，从而实现对多角色动作和动态元素的精确控制。研究结果表明，该方法不仅增强了叙事的一致性，还为3D故事表现的发展奠定了基础。

Aug, 2024