故事生成不再只求通顺：先预测读者悬念与幽默走向，轨迹贴合度提升12%–35%且连贯性大体保留
核心概要
大语言模型写故事常被指缺少起伏，读者体验难以随情节自然变化。一种新框架先从高质量人类故事中学习悬念或幽默这类读者反应的演变轨迹，再用一个小模型预测下一段应达到的读者反应，并以此引导现成写作模型逐段续写。在悬念与幽默两个领域、GPT-5.5与Qwen3.5-27B两个写作模型上，生成故事对人工故事读者轨迹的贴合度提升12%–35%，同时大体保持故事连贯性。
深度剖析
故事续写多了一条可显式控制的线索：不再只要求文字通顺，而是让每一段朝着预测好的读者反应推进，悬念或幽默的起伏因此可以被规划。 此前让模型隐式学会读者体验的做法效果有限：单样本上下文学习在多数设置下对读者动态贴合度几乎没有改善，即便有提升也低于5%；直接对故事文本做监督微调虽能在部分设置下取得有竞争力的贴合度，却带来最高30%的连贯性下降。 在悬念与幽默两个读者反应领域、分别以GPT-5.5和Qwen3.5-27B作为写作模型时，该框架把基于轨迹的贴合度相对人类写作故事提高12%–35%，且连贯性大体保留；增益在GPT-5.5上最强，Qwen3.5-27B增益较小、对连贯性更敏感。
做法是把“读者会怎么反应”和“故事怎么写”拆成两步：先预测下一段应引发的读者反应，再让写作模型照着这个目标写。 承担预测的是一个经LoRA微调的Qwen3.5-27B引导模型，它读取故事前缀、已有读者反应轨迹以及篇幅和体裁等辅助信息，输出下一段的读者反应；写作端则使用具备强指令遵循能力的现成大模型，并按预测反应做best-of-N采样挑选候选。 读者反应由另一个现成模型GPT-5.4-mini在温度0下打分，主实验把悬念和幽默表示为0到100的整数并附一句理由；幽默数据来自FunnyBench的4,012段单口喜剧片段、25,712个分段，悬念数据来自FlawedFictions、Gutenberg与STORAL共1,733篇故事、12,834个分段。
启示与展望
实验覆盖悬念与幽默两个读者反应领域，写作模型为GPT-5.5与Qwen3.5-27B，读者反应以0到100的整数表示；测量模型的有效性通过10名英语母语者的评分研究校验，而非对生成故事做全规模人工偏好评测。
读者反应本身主观且因人、因文化而异，基于LLM的测量与聚合人类判断并不完全一致，在读者反应差异细微时区分能力较弱；引导信号一次只覆盖一个维度，多个维度同时引导是否可行、维度之间是否冲突仍不清楚；长文生成中的误差累积也有待处理。