Résumé Technique : S2tory – Distillation de la Colonne Vertébrale Narratif pour la Résumé de Scénarios de Films

1. Définition du Problème

La synthèse automatique de scénarios de films présente un défi unique, distinct de la synthèse textuelle traditionnelle. Les scénarios possèdent une structure narrative non linéaire et entrecroisée, où les méthodes de saillance de surface (par exemple, la fréquence lexicale ou les motifs structurels superficiels) échouent à préserver la progression centrale de l'histoire. Les approches existantes, telles que MENSA (sélection de scènes basée sur la saillance) et DiscoGraMS (modélisation de graphes de personnages/dialogues), reposent fortement sur des modèles de données et manquent souvent la logique symbolique sous-jacente qui régit la causalité narrative. Par conséquent, les modèles actuels peinent à maintenir la « colonne vertébrale narrative » des histoires de longue forme, confondant fréquemment les détails atmosphériques avec les points essentiels de l'intrigue.

2. Méthodologie : Le Cadre S2tory

Les auteurs proposent S2tory (Distillation de la Colonne Vertébrale Narratif), un cadre fondé sur la théorie narratologique (spécifiquement la distinction de Barthes entre noyaux et satellites) pour reconstruire la logique narrative d'un scénario. La méthodologie opère en trois étapes distinctes :

2.1 Formulation Théorique

Le cadre modélise un monde narratif comme un quadruplet $(C, E, S, R)$, représentant les personnages, les événements, les états et les transitions d'état.

• Noyaux vs Satellites : Un noyau est défini comme un événement essentiel à la trajectoire narrative ; sa suppression brise la continuité du développement des personnages. Un satellite est un événement auxiliaire qui enrichit l'atmosphère ou l'émotion mais ne modifie pas le chemin narratif.
• Dynamique des Personnages : Le système suit les transitions d'état des personnages ($r: s_t \to s_{t+1}$) induites par les événements. Les transitions sont classées comme intrinsèques (réflexion interne) ou extrinsèques (déclencheurs externes). Un événement est considéré comme un noyau si sa suppression empêche un changement d'état détectable dans les attributs d'un personnage (objectifs, identité, affiliations).

2.2 Agent Expert Narratif (NEAgent)

Pour opérationnaliser cette théorie, les auteurs introduisent le NEAgent, un agent d'apprentissage en contexte (ICL) propulsé par GPT-4o.

• Fonction : Le NEAgent traite le scénario scène par scène, maintenant une mémoire roulante des états évolutifs des personnages et des dépendances événementielles.
• Raisonnement : Il effectue un raisonnement contrefactuel sur chaque unité narrative (phrase/ligne). Il évalue si la suppression d'une unité spécifique perturberait la continuité structurelle des trajectoires des personnages.
• Sortie : L'agent classe les unités comme étant soit des noyaux ($\kappa=1$), soit des satellites ($\kappa=0$), distillant ainsi efficacement la « colonne vertébrale de l'histoire ».

2.3 Pipeline de Distillation et de Résumé

Reconnaissant que le NEAgent est coûteux en calcul pour l'inférence à grande échelle, les auteurs emploient un processus de distillation en deux étapes :

1. Distillation du Raisonnement : Un modèle étudiant (Qwen2.5-7B) est affiné à l'aide d'un ensemble de données ($D_{distill}$) contenant du texte narratif naturalisé, les traces de raisonnement symbolique du NEAgent et les ensembles de noyaux identifiés. Cela apprend au modèle plus petit à imiter la logique de l'expert dans l'identification des noyaux de l'intrigue.
2. Résumé Conditionné aux Noyaux : Un résumeur final (Qwen2.5-0.5B) est entraîné sur un ensemble de données ($D_{sum}$) où l'entrée est l'ensemble distillé des noyaux ($B_i$) et la cible est le résumé de référence. Ce modèle génère le résumé final strictement conditionné aux noyaux de l'intrigue identifiés.

3. Contributions Clés

• Cadre Fondé sur la Narratologie : L'introduction de S2tory, qui modélise explicitement la structure narrative à travers les trajectoires d'arcs de personnages plutôt que de s'appuyer uniquement sur des motifs textuels de surface.
• Agent Expert et Distillation : La conception du NEAgent pour un raisonnement contraint par la théorie et d'un pipeline de distillation novateur qui transfère cette capacité de raisonnement complexe vers des modèles plus petits et efficaces.
• Performance de l'État de l'Art : L'obtention de résultats supérieurs sur le benchmark MovieSum tout en démontrant une forte généralisation zéro-shot vers l'ensemble de données BookSum (prose), validant que le modèle apprend la logique narrative plutôt que le formatage spécifique aux scénarios.

4. Résultats Expérimentaux

Les expériences ont été menées sur l'ensemble de données MovieSum (scénarios) et l'ensemble de données BookSum (prose).

• Performance sur MovieSum : S2tory a obtenu des résultats de l'état de l'art, avec un ROUGE-1 de 45,98 et un ROUGE-L de 42,45. Il a nettement surpassé les bases de référence extractives (par exemple, TextRank, Lead-1024) de 32 à 38 % et a égalé la performance des modèles abstratifs tout en opérant avec un taux de compression beaucoup plus élevé (28,4 % contre 55,2 % pour les autres).
• Fidélité Sémantique : Le modèle a obtenu le rappel BERTScore le plus élevé (59,36) parmi toutes les méthodes, indiquant une alignement supérieur avec les résumés de référence.
• Étude d'Ablation : La suppression du module de profilage des trajectoires de personnages du NEAgent a provoqué une baisse significative du F1 BERTScore (de 59,23 à 53,69), confirmant que la modélisation du développement des personnages est cruciale pour l'identification des noyaux narratifs.
• Évaluation Humaine : Des évaluateurs humains (formés en théorie narrative) ont attribué à S2tory des scores élevés pour l'indispensabilité (3,84/5), la cohérence (3,91/5) et la cohérence des personnages (4,18/5). Notamment, les scores humains pour la « Réduction des Satellites » étaient supérieurs aux métriques automatisées, suggérant que le modèle filtre le contenu non essentiel mieux que les LLM standards.
• Généralisation Hors Domaine : Lorsqu'appliqué à BookSum sans affinage, plus de 85 % des noyaux générés ont été jugés narrativement essentiels par des évaluateurs LLM-as-Judge, démontrant une généralisation robuste au-delà du formatage des scénarios.

5. Signification et Revendications

L'article soutient que la synthèse efficace de textes de longue forme, en particulier pour des récits complexes comme les scénarios de films, nécessite un passage du matching de modèles basé sur les données vers une représentation symbolique combinée à une abstraction neuronale.

• Validité Théorique : Les auteurs affirment que la théorie narratologique fournit une « fondation indispensable » pour modéliser les récits non linéaires. En distinguant explicitement la nécessité structurelle (noyaux) de la proéminence de surface (satellites), le cadre surmonte les limites des approches basées sur la saillance.
• Efficacité vs Qualité : S2tory démontre qu'il est possible d'atteindre une synthèse de haute fidélité avec des taux de compression significativement plus élevés (environ 3,5×) par rapport aux méthodes abstratives standards, sans sacrifier la cohérence sémantique.
• Généralisabilité : Le succès sur BookSum suggère que la capacité centrale de S2tory est l'intériorisation d'un raisonnement causal centré sur les personnages, lui permettant de généraliser à travers différents formats narratifs (scénarios vs prose) plutôt que de surajuster à des structures d'ensembles de données spécifiques.

En conclusion, S2tory postule que la récupération de la « colonne vertébrale de l'histoire » à travers les trajectoires de développement des personnages est la clé pour débloquer une synthèse de haute qualité pour des récits de longue forme structurellement complexes.