Each language version is independently generated for its own context, not a direct translation.
1. 問題点：これまでのテストは「短い物語」しかなかった
これまでの動画生成 AI のテスト（VBench など）は、**「猫が走っている」「空が青い」**といった、非常に単純で短いシチュエーションしか扱っていませんでした。
- 例え話:
これまでのテストは、「お菓子を食べる」という行為だけを評価していました。
しかし、最近の AI は「お菓子を食べる→満足して寝る→目覚めて散歩に行く」といった、長い時間の流れや複雑なストーリーを作る能力を持とうとしています。
でも、評価する道具（テスト）が「お菓子を食べる」ことしか測れないので、「長い物語を作る AI」の本当の実力が測れていなかったのです。
2. 解決策：新しいテスト「NarrLV」の登場
そこで著者たちは、**「映画の脚本理論」**をヒントに、新しいテスト「NarrLV」を作りました。
① 物語の最小単位「TNA（時間的物語原子）」
物語を構成する最小のブロックを**「TNA（Temporal Narrative Atom）」**と呼びます。
- 例え話:
物語を**「レゴブロック」**だと思ってください。- 「TNA=1」：レゴが 1 つだけ（例：「人が走る」）
- 「TNA=5」：レゴが 5 つつながっている（例：「人が走る→止まる→振り返る→叫ぶ→倒れる」）
このテストでは、**「レゴ（TNA）がいくつ並んでいるか」**を数えて、物語の複雑さを測ります。
② 自動で物語を作る「プロンプト生成パイプライン」
人間が手動で「長い物語」のテスト問題を作るのは大変です。そこで、AI（大規模言語モデル）に「物語の要素（場所、登場人物、行動）」を組み合わせさせて、自動でテスト問題（プロンプト）を作りました。
- 例え話:
料理のレシピを作る代わりに、**「AI 料理人」**に「今日は『海』で『カメ』が『泳いで止まって、さらに泳ぐ』という 3 段階の物語を作ってください」と頼む感じです。これにより、どんなに複雑な物語でもテストできるようにしました。
③ 3 つの段階で評価する「採点システム」
生成された動画が、本当に物語を語れているか、3 つの視点でチェックします。これも AI（マルチモーダル AI）が質問形式で評価します。
- 要素の忠実度（Fidelity）：
- 「海」や「カメ」はちゃんと映っていますか？（物語の登場人物と舞台が合っているか）
- 物語の網羅性（Coverage）：
- 「泳ぐ→止まる→泳ぐ」という 3 つのステップ、全部入っていますか？（物語の全パートが描かれているか）
- 物語のつながり（Coherence）：
- 「泳ぐ」から「止まる」へ、自然な流れで移り変わっていますか？（物語の展開がスムーズか）
3. 実験結果：AI は「長い物語」にまだ苦戦している
この新しいテストで、最新の動画生成 AI たちをテストした結果、面白いことがわかりました。
- 基本はできる: 「海」や「カメ」といった登場人物や舞台は、どんなに物語が長くても、ちゃんと作れています。
- 物語は苦手: しかし、「物語の展開（ステップ）が増えるにつれて、AI は混乱し始めます。
- 短い物語（レゴ 1〜2 個）なら上手に作れます。
- でも、長い物語（レゴ 5 個以上）になると、**「途中で何があったか忘れたり、つなぎ目が不自然になったり」**します。
- 結論: 今の AI は「長い動画」を作れるようになりましたが、「長い物語」を論理的に語る能力はまだ未熟です。特に、「行動の変化（カメが泳いで止まる、など）を連続して表現するのが難しいことがわかりました。
まとめ
この論文は、「AI に長い動画を作らせるなら、単に長いだけでなく、ちゃんとストーリーが通っているかチェックする必要がある」と警鐘を鳴らし、そのための「物語の複雑さを測る新しい物差し（NarrLV）を提案したものです。
これにより、今後の AI 開発者が、「いかにして AI がもっと複雑で面白い物語を語れるようにするか」という目標に向かって、より効果的に研究を進められるようになります。