Creating Suspenseful Stories: Iterative Planning with Large Language Models

本文是LLM系列文章，针对《Creating Suspenseful Stories: Iterative Planning with Large Language Models》的翻译。

摘要

自动生成故事一直是NLP面临的长期挑战之一。在所有维度的故事中，悬疑在人类书写的故事中非常常见，但在人工智能生成的故事中却相对未被充分挖掘。尽管大型语言模型（LLM）的最新进展在总体上极大地促进了语言生成，但在悬疑故事生成方面，最先进的LLM仍然不可靠。我们提出了一种新的基于迭代提示的计划方法，该方法基于认知心理学和叙事学的故事悬疑两个理论基础。这种基于理论的方法以完全零镜头的方式工作，不依赖于任何有监督的故事语料库。据我们所知，本文是第一次尝试用LLM生成悬疑故事。对生成的悬疑故事进行广泛的人类评估，证明了我们方法的有效性。

1 引言

2 相关工作

3 基于迭代提示的规划

4 评估

5 影响悬疑感知的因素

6 结论

在本文中，我们提出了一种基于理论的迭代提示计划方法来生成悬疑故事。据我们所知，这是第一次尝试用LLM生成悬疑故事。通过广泛的人类评估，我们证明我们的方法比基线方法更有能力制作悬疑故事。我们对影响悬疑感知的因素的深入分析也为故事生成研究人员和从业者提供了信息。

7 局限性</