面向故事生成的连贯性与多样性结题报告.docVIP

面向故事生成的连贯性与多样性结题报告

一、研究背景与问题提出

在自然语言处理（NLP）领域，故事生成作为一项极具挑战性的任务，旨在让机器能够自动生成结构完整、情节连贯且富有创意的故事文本。随着预训练语言模型（如GPT系列、LLaMA等）的快速发展，故事生成的质量得到了显著提升，但仍面临着两大核心难题：连贯性缺失与多样性不足。

连贯性是故事的核心生命力，它要求故事在情节发展、角色行为、逻辑因果等方面保持一致。当前许多生成模型虽然能够输出语法正确的句子，但常常出现情节跳跃、人设崩塌、前后矛盾等问题。例如，在生成一段冒险故事时，模型可能在前文中设定主角是一名恐高的探险家，却在后文让他毫无铺垫地攀登悬崖；或者故事的起因是寻找失踪的亲人，结尾却突兀地转向了一场无关的寻宝之旅。这种连贯性的缺失会严重影响读者的沉浸感，导致故事失去可读性。

多样性则是故事创意性的体现，它要求模型能够生成不同风格、不同情节走向、不同角色设定的故事。然而，现有模型往往存在模式化生成的问题，容易陷入“套路化”的情节循环。例如，生成的爱情故事大多遵循“相遇-误会-和解-圆满”的固定模板，科幻故事则频繁出现“外星入侵-英雄崛起-拯救世界”的俗套情节。这种缺乏多样性的生成结果不仅会让读者产生审美疲劳，也限制了故事生成技术在创意写作、游戏剧情设计、儿童教育等领域的应用潜力。

基于上述问题，本研究聚焦于故事生成中的连贯性与多样性