StoryLens：基于上下文感知叙事丰富的偏好对齐故事重写

故事重写旨在在保持情节一致性和叙事连贯性的同时，将现有叙事 adapting 到 diverse reader preferences。不同于传统的风格迁移工作，我们认为有效的故事重写需要超越表面级风格适应的上下文感知叙事丰富。我们的 pilot 人类研究表明，仅通过风格适应对读者满意度的提升仅为 2.3%，而 context-enhanced 重写显著提高用户偏好对齐（24.5%）。基于此，我们引入 STORYLENSBENCH，一个用于偏好对齐故事重写的大规模基准数据集，包含结构化故事书籍、多维读者偏好轮廓以及排序后的 context-aware 重写故事。基于此基准，我们提出 STORYLENSEVAL，一个用于估计重写故事读者满意度的奖励模型，以及 STORYLENSWRITER，一个结合监督微调和 GRPO 强化学习的两阶段重写模型。我们进一步建立了一个涵盖忠实性、连贯性和读者满意度的综合评估框架。实验结果表明，STORYLENSWRITER 在所有强大的生成和个性化基准上均表现优异，凸显了针对个性化故事重写中 context-aware 叙事丰富的重要性。