# Shadow-Loom: Causal Reasoning over Graphical World Models of Narratives

### 저자

David Wilmot

### 💡 개요

본 논문은 이야기의 인과 관계, 비밀, 결과를 이해하기 위해 내러티브를 버전화된 그래프 세계 모델로 변환하는 Shadow-Loom 프레임워크를 제안합니다. 이 프레임워크는 인과 추론을 위한 '인과 물리학' 엔진과 독자의 감정 상태(신비, 극적 아이러니, 서스펜스, 놀라움)를 평가하는 '서사 물리학' 엔진을 통합합니다. 대규모 언어 모델은 데이터 추출 및 렌더링에만 사용되며, 핵심 추론은 그래프 구조 위에서 코드로 수행됩니다.

### 🔑 시사점 및 한계

- 이야기의 인과 구조와 독자 경험을 형식화하여 정량적 분석이 가능한 새로운 접근 방식을 제시합니다.

- 인과 추론과 내러티브 심리를 통합함으로써 이야기 이해에 대한 깊이 있는 탐구가 가능해집니다.

- 제안된 시스템은 아직 연구 단계이며, 실제 NLP 모델로서의 성능 검증보다는 연구 도구로서의 가치에 중점을 두고 있습니다.

[PDF 보기](https://arxiv.org/pdf/2605.02475)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).