Netflix (United States)

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。

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。

该工作提出 Align Then Reason（ATR），先用候选文本音素与帧级唇部表征之间的单调 CTC 对齐打分器提供逐音素软 token 与校准后的全局对齐分数，再由 LLM 推理器输出 Yes/No 判断与简短解释，在七语言基准上把 Qwen3.5-9B 的平均 AUC 从 0.610 提升到 0.920，并在三个未见 MuAViC 语言和两个真实配音下游任务上取得提升。

该工作提出 Align Then Reason（ATR），先用候选文本音素与帧级唇部表征之间的单调 CTC 对齐打分器提供逐音素软 token 与校准后的全局对齐分数，再由 LLM 推理器输出 Yes/No 判断与简短解释，在七语言基准上把 Qwen3.5-9B 的平均 AUC 从 0.610 提升到 0.920，并在三个未见 MuAViC 语言和两个真实配音下游任务上取得提升。