Narrative World Model: память для ИИ-писателей на основе нарратологии

Создание длинной художественной прозы требует от ИИ-систем памяти, способной отвечать на сложные многошаговые вопросы о состоянии сюжета: кто знает секрет и когда узнал, предшествовало ли событие повествованию, раскрывшему его, сработала ли сюжетная закладка и как изменились отношения персонажей.

Существующие системы памяти агентов и retrieval-решения общего назначения хранят сущности и факты, но не учитывают нарратологическую структуру, на которой строятся такие вопросы. Из-за этого они возвращают нерелевантные свидетельства или не находят их вовсе.

Подход Narrative World Model

Предложенная система NWM сочетает два компонента:

• Типизированный временной граф состояний, основанный на принципах нарратологии;
• Гибридный retrieval, обусловленный типом запроса.

Такая структура позволяет системе отслеживать не просто факты, а их роль в повествовании — временные связи, раскрытие секретов, развитие отношений и драматические арки.

Методология оценки

Чтобы измерить именно качество памяти, а не способность модели отвечать на вопросы, авторы пропустили все сравниваемые системы через единого читателя — Opus 4.8 — с доступом только к доказательствам, релевантным конкретной главе. Тестирование проводилось на воспроизводимом публичном корпусе и валидированном бенчмарке многошаговых вопросов.

Базовым сравнением выступил Graphiti/Zep — сильнейший из существующих фреймворков памяти агентов на основе временных графов знаний. Также проводилось сравнение с GraphRAG и плоским retrieval.

Результаты

NWM существенно и статистически значимо превосходит Graphiti/Zep по многошаговому нарратологическому QA на обоих корпусах, а также заметно обходит GraphRAG и плоский retrieval.

Ключевой вывод: преимущество носит репрезентационный, а не экстракционный характер. Оно сохраняется даже при перестроении базовой системы с использованием собственного экстрактора NWM и прослеживается именно до нарратологической структуры и обусловленного запросом retrieval, а не до размера графа или качества извлечения фактов.

Источник: cs.AI updates on arXiv.org