本研究介绍了一种名为 Dramatron 的系统，通过 prompt chaining 层次化地应用语言模型生成具有结构化上下文的剧本和电影脚本，同时涉及语言模型在人机共创领域的应用和相关伦理及设计问题。

Sep, 2022

使用拥有不同人格特征的 agents, 并采用模拟戏剧网络的方法生成剧本，在多项标准上经过自动和人类评估，显示该方法优于基于 vanilla-GPT2 的基线，并引入新的度量标准来评估对话的一致性，并展示其有效性。

Jun, 2022

dAIrector 是一款自动化的导演系统，能够与人类故事讲述者协作进行即兴表演和写作辅助。它能够通过上下文情节生成创建简短的叙述弧线。本研究介绍了该系统的架构、设计选择的定量评估和案例使用，提供了一位专业即兴表演者的定性反馈。我们针对人机创造性生成的未研究领域 —— 长篇叙述创作，提出了相关指标。同时，我们在发表研究的同时，公开了 dAIrector 的源代码，让其他人能够测试、评估和运行。

Oct, 2018

利用最新的基于扩散的人体运动模型，InsActor 提供了一种原则性的生成框架，可以根据高级人类指令生成基于物理的角色的动画，通过使用扩散策略进行灵活的条件化运动规划，以捕捉高级人类指令和角色动作之间的复杂关系，并在一个紧凑的潜在空间中发现低级技能和映射计划，以克服计划动作中的无效状态和不可行状态转换。大量的实验表明，InsActor 在各种任务中取得了最先进的结果，包括基于指令的动作生成和基于指令的航向点驱动。特别是，InsActor 利用高级人类指令生成物理模拟动画的能力使其成为一种有价值的工具，尤其适用于执行具有丰富指令集的长程任务。

Dec, 2023

StoryAgent 框架利用大型语言模型和生成工具自动化和完善数字叙事，通过自上而下的故事起草和自下而上的资源生成方法解决手动介入、交互式场景编排和叙事连贯性等关键问题，实现了跨多种形式的交互式、连贯的故事高效制作，使内容创作更具民主性并增强参与度，而且无需参考视频，标志着自动化数字叙事的重大进展。

Jun, 2024

本文提出了一种基于故事情节的对话驱动模型 ScriptWriter，并通过构建一个大规模的故事情节数据集 GraphMovie 来验证其有效性。实验结果表明，相比于仅将故事情节作为上下文使用的基线模型，基于故事情节的对话驱动模型能够显著提高对话系统的性能。

May, 2020

本文介绍了一种将 Scheherazade 故事意图图转换成人物 NLG 引擎所需输入的自动方法，使用 36 个 Aesop 寓言进行测试，结果表明我们可以生成正确内容，平均与 Scheherazade 实现器的输出接近。

Aug, 2017

设计一种人工智能代理，能够与人类进行协作对话，创作有趣的故事；该模型可以增强任何基于概率方法的对话代理，使其能够思考已建立的宇宙信息和潜在的下一句话可能揭示的内容。研究表明，此模型允许控制代理透露信息的速率，从而显著提高了预测电影对话下一行的准确性。

Jan, 2019

文本冒险游戏和文本角色扮演游戏是强化学习游戏代理面临的重大挑战。我们提出了一个称为 thespian agent 的框架，可以学习模仿多个角色，并使用软提示来指导其在任何时候扮演哪个角色。我们还描述了一种注意机制，使代理可以以少量数据学习基于先前学习角色的新角色。我们展示了我们的代理在多角色学习和少样本学习方面的性能优于现有的代理框架。

Aug, 2023

本文提出了一个 Director-Generator 框架来重写目标作者风格的内容，并特别关注某些目标属性，该框架即使在有限的目标作者语料库的情况下也能很好地工作。实验结果表明，与现有作品相比，我们的模型在重写目标作者风格的输入文本方面有着显着的改进，并且定量和定性分析进一步表明，我们的模型具有更好的意义保留，并产生更流畅的生成结果。

Jan, 2021