属性誘導によるジャンル拡張を用いた、ストーリー中心データを超えたクリエイティブライティングのスケーリング

要旨

大規模言語モデル（LLM）向けの高品質な創作文章データは、依然としてストーリー中心のデータが主流であり、多様な創作形式の構造的・機能的慣習に従うモデルの能力を制限している。本稿では、ストーリー生成を超えた創作文章データの拡張のための、属性誘導型ジャンル拡張フレームワークを提案する。テーマ的多様性をジャンル形式の制御から分離することにより、本フレームワークは、人間が執筆したストーリープロンプトを多様な創作シードとして活用しつつ、手作業でキュレーションされたジャンル属性を用いて、明確な構造的・文体的・書式上の慣習を強制する。これらを組み合わせて、強力なLLMにジャンルに忠実なクエリ・応答ペアを生成させ、その後品質フィルタリングを施す。本フレームワークを適用し、ストーリー、ラップ、歌詞、脚本、ゲームデザイン、キャラクターデザイン、その他の創作形式を含む13の創作ジャンルにわたる5万件の事例からなるマルチジャンルコレクションを構築した。分布外文章作成ベンチマークおよび未評価ジャンル診断タスクにわたる実験により、本データでファインチューニングされたモデルは、ベースモデルや文章作成特化ベースラインだけでなく、既存の文章コーパスで訓練されたモデルをも一貫して上回ることが実証された。さらに、ジャンル数のアブレーションは、ストーリー中心の単純な拡張ではなく、制御されたジャンル拡張が、堅牢な創作文章能力の主要な推進要因であることを示している。

English

High-quality creative writing data for large language models (LLMs) remains dominated by story-centric data, limiting models' ability to follow the structural and functional conventions of diverse creative formats. We propose an attribute-guided genre expansion framework for scaling creative writing data beyond story generation. By separating thematic breadth from genre-form control, our framework leverages human-authored story prompts as diverse creative seeds, while utilizing manually curated genre attributes to enforce distinct structural, stylistic, and formatting conventions. We combine these to prompt strong LLMs for genre-faithful query-response pairs, which are then quality-filtered. Applying this framework, we construct the Multi-Genre Collection, a 50K-example corpus spanning 13 creative genres, including story, rap, lyrics, scripts, game design, character design, and other creative formats. Experiments across out-of-distribution writing benchmarks and held-out genre diagnostics demonstrate that models fine-tuned on our data consistently surpass not only base models and writing-specialized baselines, but also models trained on existing writing corpora. Genre-count ablations further indicate that controlled genre expansion, rather than story-centric scaling alone, is a key driver of robust creative writing capability.