StorySpark：故事前提生成的模块式进化搜索

故事前提是完整叙事得以发展的创意火花。然而，基于 LLM 的故事生成大多强调后期规划、可控性、连贯性和散文扩展，而前提层面的构思仍然相对未得到充分探索。我们介绍 StorySpark，这是一个用于故事前提生成的模块式进化搜索框架。 StorySpark 在可解释的叙事模块（例如背景、角色、事件、结局和转折）上运行，将每个活动模块视为不作为填充一次的静态字段，而是作为以迄今为止构建的部分前提为条件的本地搜索空间。对于每个模块，它生成替代方案，在上下文中对其进行评估，通过反馈驱动的突变和重组对其进行改进，通过帕累托引导的选择保留互补优势，并重新分配前沿能力以平衡分支覆盖与有希望的方向。多视图自动和人工评估表明，StorySpark 产生的最终前提比竞争基准更强大，并且在原创性方面尤其一致地获得了收益；当由同一个故事作者扩展时，它的前提也会带来更高质量的下游故事，同时保持完整性、吸引力和多样化的可用叙事方向。