用于增强辅助写作的可控叙事渲染

尽管 大语言模型 (LLM) 在基本写作帮助方面非常熟练，但它们在创意写作中的实用性从根本上受到持续的二进制故障的阻碍。这个问题表现为安全的表面级编辑（称为补救性抛光）和破坏性的、不受控制的情节扩展之间的振荡。这种困境定义了叙事保真度和描述强度之间的关键权衡。我们提出了 Loom，一个基于故事和话语之间的叙事学区别的辅助写作框架。 Loom 采用三层管道，可操作以意图为中心的符号学思想链，以强制精确控制叙事意图和渲染密度。这种架构将感知材料的生成与句法插入分开，确保在不违反原始事件结构的情况下进行增强。我们的综合评估（包括基于 LLM 的指标和人工评估）表明，Loom 成功解决了这一根本性的矛盾。 Loom 获得了最高的总体质量得分，与最先进的基线相比，在事实完整性和描述强度方面取得了实质性进展。