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ÿ