改进长篇小说规划中的节奏控制
计算与语言
2023-11-09 v1 人工智能
摘要
现有的基于 LLM 的写长篇小说或故事大纲系统常受不自然节奏的困扰，无论是略过重要事件还是对无关细节过度铺陈，都会给读者带来突兀的体验。我们提出一种具体大纲控制（CONCOCT）系统，以在自动生成故事大纲时改善节奏。我们首先训练一个具体性评估器来判断两个事件中哪一个更具体（低层细节）。该评估器随后可用于在分层大纲生成中控制节奏；本工作中，我们探索了一种旨在实现均匀节奏的“最模糊优先”扩展流程。我们进一步使用该评估器基于预测的具体性来过滤新的大纲条目。与基线分层大纲生成器相比，人类判断 CONCOCT 的节奏在多种大纲长度下超过 57% 的时间更为一致；这些改进也传导至下游故事。所有代码、数据与模型均已开源。
引用
@article{arxiv.2311.04459,
title = {Improving Pacing in Long-Form Story Planning},
author = {Yichen Wang and Kevin Yang and Xiaoming Liu and Dan Klein},
journal= {arXiv preprint arXiv:2311.04459},
year = {2023}
}
备注
EMNLP Findings 2023