预告片警告：以叙事预测为指标衡量 LLM 叙事故事中的张力

目前的 LLM 仍未能持续生成引人入胜的故事，也未能识别到这一失败——在领先的创意写作基准（EQ-Bench）上，LLM评委会将零样本AI故事排在纽约客短篇小说之上，而后者是文学小说的金标准。我们认为现有评估标准忽略了引人入胜的人类故事的一个关键维度：叙事张力。我们引入100-Endings指标：逐句分析故事，在每个位置，模型仅凭截至目前的文本预测故事如何结束100次，我们将张力衡量为预测结果与真实结局不匹配的频率。除不匹配率外，句子级别的曲线还产生补充统计数据，如拐点率，这一几何度量衡量曲线反转次数的频率，追踪情节转折与揭秘。不同于基于评估标准的评委会，100-Endings正确地将纽约客故事排在 LLM 输出之上。基于叙事学原理，我们设计了一个故事生成管道，包含情节模板分析、构想构思和叙事脚手架等结构性约束。我们的管道显著提升了叙事张力（以100-Endings指标衡量），同时保持了在EQ-Bench排行榜上的表现。