利用知识图谱引导生成式故事讲述

大型语言模型（LLM）在故事生成方面展现出了巨大潜力，但在保持长篇连贯性和有效、用户友好的控制方面仍存在挑战。检索增强生成（RAG）已被证明能有效减少文本生成中的幻觉；虽然先前的工作已经探索了知识图谱（KG）驱动的故事讲述，但本工作侧重于 KG 辅助的长篇生成，并在两阶段用户研究中将可编辑的 KG 与 LLM 生成相结合。本工作研究了 KG 如何通过改善叙事质量和实现用户驱动的修改来增强基于 LLM 的故事讲述。我们提出了一种 KG 辅助的故事讲述流水线，并在一项有 15 名参与者参与的用户研究中对其进行了评估。参与者创建了提示词，生成了故事，并编辑了 KG 以塑造他们的叙事。定量和定性分析发现，在我们的设置下，改进集中在以动作为导向、结构明确的叙事中，但不适用于内省型故事。参与者报告称在编辑 KG 时有很强的控制感，将这种体验描述为引人入胜、互动性强且充满趣味。