叙事中公平游戏的挑战与回报：一种计算方法

好的叙事涉及惊喜——故事展开的不可预测性——以及意义建构，即故事必须形成一个连贯序列的要求。然而，迄今为止，这两种品质在很大程度上是孤立地处理的。我们在一个信息论框架内形式化了这些品质及其关系，使用侦探小说作为叙事的范例案例，其中隐藏的真相通过推理被发现。我们的核心理论结果表明，对于任何*单一*读者模型，惊喜和连贯性必须进行权衡，但当区分两种读者模式时，它们可以共存：一种是在结局未知时形成期望的揭示前模式，另一种是在揭示罪犯后重新评估故事的解决后事后模式。这两个维度的平衡体现在公平游戏的常见要求中，即在保持挑战的同时给读者解决谜题的机会。我们使用大语言模型作为模拟读者来操作化该框架，并为惊喜、连贯性和公平游戏定义了无参考评估指标。在LLM生成的故事上进行的实验验证了我们的理论预测：虽然模型通常能成功创造惊喜或连贯性，但实现公平游戏即使对强模型也构成挑战。此外，惊喜和连贯性在不同故事间并不呈正相关，无法简化为单一的潜在品质。一项人类研究验证了这些指标，确认它们捕捉到了对读者重要的叙事质量方面。我们的指标还再现了既定的文学直觉，发现克里斯蒂的故事比柯南·道尔的故事更令人惊喜且更公平。