arXiv cs.CL· Danrui Li, Yiwei Zhao, Mubbasir Kapadia, Lingxiao Li·· 10 小时前AI 评分29
用轨迹引导故事生成：让 LLM 复现读者阅读动态
Steering Readerly Dynamics: Trajectory-Guided Story Generation with Large Language Models
AI 导读
研究者提出一种从高质量人类故事中学习"读者阅读动态"的框架，用小 LLM 将未来读者反应预测为低维轨迹，再由现成的大型写作 LLM 按这些轨迹生成故事片段。该方法将生成故事对人类写作轨迹的保真度提升 12%-35%，同时基本保持故事连贯性。
正文 · AI 翻译
摘要：大型语言模型（LLM）越来越多地被用于生成故事，但这些故事难以再现引人入胜的读者动态，即塑造叙事体验的不断演变的读者反应。为应对这一挑战，我们提出了一个框架，从高质量的人类撰写故事中学习读者动态，并利用它们来引导故事生成。我们不是直接对高维故事内容建模，而是训练一个小型 LLM 将未来的读者反应预测为低维轨迹。然后，我们利用一个更大的、现成的写作 LLM 强大的指令遵循能力，在给定的故事设定中生成遵循这些预测轨迹的故事片段。我们的框架将对人类撰写故事的基于轨迹的保真度提高了 12%-35%，同时基本保持了故事的连贯性。
| 评论： | 55 页，20 幅图，18 张表，包括参考文献和附录 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.00469 [cs.CL] |
| （或 arXiv:2611.00469v1 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.00469 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Danrui Li [查看邮箱]
[v1]
2026 年 10 月 30 日星期五 23:53:26 UTC（1,058 KB）
来源：arXiv cs.CL · arxiv.org