Buchumschlag

Plug-and-Play Dramaturge: A Divide-and-Conquer Approach for Iterative Narrative Script Refinement via Collaborative LLM Agents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xie, Wenda, Guo, Chao, Jing, Yanqing, Wang, Junle, Lv, Yisheng, Wang, Fei-Yue
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Planning Beyond Text: Graph-based Reasoning for Complex Narrative Generation
von: Gu, Hanwen, et al.
Veröffentlicht: (2026)

Long Context Scaling: Divide and Conquer via Multi-Agent Question-driven Collaboration
von: Xiao, Sibo, et al.
Veröffentlicht: (2025)

AstroReview: An LLM-driven Multi-Agent Framework for Telescope Proposal Peer Review and Refinement
von: Wang, Yutong, et al.
Veröffentlicht: (2025)

Stop Summation: Min-Form Credit Assignment Is All Process Reward Model Needs for Reasoning
von: Cheng, Jie, et al.
Veröffentlicht: (2025)

Mel-Refine: A Plug-and-Play Approach to Refine Mel-Spectrogram in Audio Generation
von: Guo, Hongming, et al.
Veröffentlicht: (2024)

A Dramaturgical Perspective on Academic Libraries
von: Quinn, Brian
Veröffentlicht: (2005)

Enhancing LLM Character-Level Manipulation via Divide and Conquer
von: Xiong, Zhen, et al.
Veröffentlicht: (2025)

AgentGroupChat-V2: Divide-and-Conquer Is What LLM-Based Multi-Agent System Need
von: Gu, Zhouhong, et al.
Veröffentlicht: (2025)

A Divide-and-Conquer Approach to Persistent Homology
von: Li, Chenghui, et al.
Veröffentlicht: (2024)

Qubit Mapping: The Adaptive Divide-and-Conquer Approach
von: Huang, Yunqi, et al.
Veröffentlicht: (2024)

MicroCinema: A Divide-and-Conquer Approach for Text-to-Video Generation
von: Wang, Yanhui, et al.
Veröffentlicht: (2023)

Hierarchical Divide-and-Conquer for Fine-Grained Alignment in LLM-Based Medical Evaluation
von: Zheng, Shunfan, et al.
Veröffentlicht: (2025)

Progressive Divide-and-Conquer via Subsampling Decomposition for Accelerated MRI
von: Wang, Chong, et al.
Veröffentlicht: (2024)

IDF-CR: Iterative Diffusion Process for Divide-and-Conquer Cloud Removal in Remote-sensing Images
von: Wang, Meilin, et al.
Veröffentlicht: (2024)

Divide-and-Conquer Approach to Holistic Cognition in High-Similarity Contexts with Limited Data
von: Wang, Shijie, et al.
Veröffentlicht: (2026)

A Divide-and-Conquer Approach to Commercial Territory Design
von: M. Angélica Salazar-Aguilar
Veröffentlicht: (2012)

Diversify and Conquer: Diversity-Centric Data Selection with Iterative Refinement
von: Yu, Simon, et al.
Veröffentlicht: (2024)

Divide and Conquer: Grounding LLMs as Efficient Decision-Making Agents via Offline Hierarchical Reinforcement Learning
von: Hu, Zican, et al.
Veröffentlicht: (2025)

When Does Divide and Conquer Work for Long Context LLM? A Noise Decomposition Framework
von: Xu, Zhen, et al.
Veröffentlicht: (2025)

A Note on Quantum Divide and Conquer for Minimal String Rotation
von: Wang, Qisheng
Veröffentlicht: (2022)

Dynamic Dual Buffer with Divide-and-Conquer Strategy for Online Continual Learning
von: Dai, Congren, et al.
Veröffentlicht: (2025)

Automatically Generating UI Code from Screenshot: A Divide-and-Conquer-Based Approach
von: Wan, Yuxuan, et al.
Veröffentlicht: (2024)

Cobblestone: A Divide-and-Conquer Approach for Automating Formal Verification
von: Kasibatla, Saketh Ram, et al.
Veröffentlicht: (2024)

PhysDepth: Plug-and-Play Physical Refinement for Monocular Depth Estimation in Challenging Environments
von: Peng, Kebin, et al.
Veröffentlicht: (2024)

A Short Note on Batch-efficient Divide-and-Conquer Algorithm for EigenDecomposition
von: Song, Yue
Veröffentlicht: (2026)

Divide and Conquer: Static-Dynamic Collaboration for Few-Shot Class-Incremental Learning
von: Bao, Kexin, et al.
Veröffentlicht: (2026)

Iterative Experience Refinement of Software-Developing Agents
von: Qian, Chen, et al.
Veröffentlicht: (2024)

Control Large Language Models via Divide and Conquer
von: Li, Bingxuan, et al.
Veröffentlicht: (2024)

Divide-or-Conquer? Which Part Should You Distill Your LLM?
von: Wu, Zhuofeng, et al.
Veröffentlicht: (2024)

Dividing and Conquering the Van Vleck Catastrophe
von: Simon, Sophia, et al.
Veröffentlicht: (2025)

Toward Effective Multimodal Graph Foundation Model: A Divide-and-Conquer Based Approach
von: Liu, Sicheng, et al.
Veröffentlicht: (2026)

A Divide-and-Conquer Approach for Global Orientation of Non-Watertight Scene-Level Point Clouds Using 0-1 Integer Optimization
von: Li, Zhuodong, et al.
Veröffentlicht: (2025)

Divide and Conquer: Language Models can Plan and Self-Correct for Compositional Text-to-Image Generation
von: Wang, Zhenyu, et al.
Veröffentlicht: (2024)

SDSR: A Spectral Divide-and-Conquer Approach for Species Tree Reconstruction
von: Reshef, Ortal, et al.
Veröffentlicht: (2026)

Divide, Reweight, and Conquer: A Logit Arithmetic Approach for In-Context Learning
von: Huang, Chengsong, et al.
Veröffentlicht: (2024)

A Divide-and-Conquer Machine Learning Approach for Modelling Turbulent Flows
von: Man, Anthony, et al.
Veröffentlicht: (2024)

Divide and Conquer: A Distributed Approach to Five Point Energy Minimization
von: Schwartz, Richard Evan
Veröffentlicht: (2023)

Divide-Fuse-Conquer: Eliciting "Aha Moments" in Multi-Scenario Games
von: Zhang, Xiaoqing, et al.
Veröffentlicht: (2025)

InverseBench: Benchmarking Plug-and-Play Diffusion Priors for Inverse Problems in Physical Sciences
von: Zheng, Hongkai, et al.
Veröffentlicht: (2025)

RaCoT: Plug-and-Play Contrastive Example Generation Mechanism for Enhanced LLM Reasoning Reliability
von: Cai, Kaitong, et al.
Veröffentlicht: (2025)