故事情节树：长篇叙事的层次表示

摘要

长篇叙事对于长上下文模型来说具有挑战性，因为它们的结构是隐式的：事件、人物和情节在数百页中交互，而没有明确的线索来指导结构化文档中的导航。我们通过构建故事情节树来解决这个问题，分层表示组织从全球主题和主要情节到细粒度事件的叙述。我们首先将章节分割成连续的叙述片段或场景，并将它们用作树结构的基本单元。然后，我们通过互补的自上而下和自下而上的程序来推断故事情节树，这些程序在多个抽象级别派生、细化、聚类和总结故事情节。我们展示了这种表示在问答中的实用性：故事情节树可以实现自适应检索，允许模型迭代地检查高级叙事结构并按需检索场景级证据。对三个长上下文叙述 QA 基准的实验表明，自适应检索优于强基线，包括训练后的长上下文模型和基于代理块的方法。消融证实场景是比章节或通用分割更有效的基本单元，并且在匹配的检索预算下收益持续存在