SAGE：基于本体论解释维度的基于 LLM 的分层文学评价

评估文学质量需要评估解释维度，例如文化表征、情感深度和哲学复杂性，这些维度无法直接进行计算测量。我们引入了 SAGE，一个分层评估框架，它将文学质量分解为基于本体的解释维度，通过结构化的 大语言模型 评估以及多轮迭代反思和独立验证进行评估。我们使用双模式评估跨三个分析层（文化、情感心理、存在哲学）验证了 100 个短篇故事（50 个经典作品、30 个低俗小说、20 个 LLM 生成的叙事）的框架。在 600 次评估中，该框架实现了 98.8% 的分数收敛性和超过 94% 的评估者间一致性，并且基于内容和基于元数据的评估之间具有近乎完美的模式不变性。统计分析揭示了一致的流派层次结构（Canonical > Pulp > LLM，所有 p<0.001），具有特定于层的歧视：文化批评和哲学深度表现出非常大的效应大小（Cohen's d>2.4），而情感表征显示较小的差距（d = 1.68），这表明情感模式比批判立场或哲学深度更容易从训练数据中学习。跨层相关性 (r=0.649-0.683) 确认三个维度捕获了经验上可区分的质量方面。这些发现表明，理论驱动的 LLM 评估可以实现测量级可靠性，并支持系统地识别当前生成模型在人类文学生产方面的不足，这对开放式文本生成的可扩展自动评估具有直接影响。