本研究提出神经叙事生成系统，该系统通过不同程度的人机交互实现故事的生成和不断改进，发现在规划和写作阶段增加人机交互能够使故事质量提升 10% 至 50%，同时提高用户的参与度和满意度，证明在故事创作中人机协作对改进故事特性具有积极作用。

Apr, 2019

本文提出了一种将因果规划与神经语言模型统一起来的故事情节生成方法，该方法利用从大型语言模型中提取的常识知识以递归反向链接的方式扩展故事情节，并通过自动化评估证明相对于其他强基线方法它能生成更具连贯性的情节。

Dec, 2022

本研究探索了一种新型的粗粒度到细粒度的模型，可以生成故事文本，并通过抽象行为和实体来分解故事，生成谓词 - 参数结构的文本，最终替换实体占位符。经过广泛的分析和人工评估，我们的方法可以提高生成的故事中事件和实体的多样性和连贯性。

Feb, 2019

提出了一种新方法 ScratchPlot，使用 Pre-trained language models，利用 content planning 生成故事情节，并使用 generate-and-rank approach 对所生成的（story, ending）pairs 进行排序。实验表明，在人类评估和自动评估中都获得了更好的结果。

Jun, 2022

本文提出了一个新的任务 —— 风格化故事生成，即在给定前导的情况下生成带有指定风格的故事，并提出了一种新颖的生成模型来解决这个问题，该模型首先规划出风格化关键词，然后在关键词的指导下生成整个故事。此外，提出了两种自动度量标准来评估所生成的故事与指定风格之间的一致性。实验证明，我们的模型能够根据 ROCStories 数据集（Mostafazadeh et al.，2016）可控地生成情感驱动或事件驱动的故事，为进一步研究风格化故事生成提供了见解。

May, 2021

本文提出了一种基于故事情节的对话驱动模型 ScriptWriter，并通过构建一个大规模的故事情节数据集 GraphMovie 来验证其有效性。实验结果表明，相比于仅将故事情节作为上下文使用的基线模型，基于故事情节的对话驱动模型能够显著提高对话系统的性能。

May, 2020

本文介绍一种基于 GPT-2 的系统，利用自动故事生成技术生成可靠的短篇小说情节，以协助作家构建一个一致且引人入胜的情节，实验表明，该系统产生的短篇小说情节在一致性和可故事性等方面优于其他模型，作者尝试了一种 story continuation 任务，以确定该系统如何影响创意写作的过程。

Feb, 2023

通过事件图谱，本论文提出构建事件序列以引导生成器的方法来生成故事，实现故事的高水平理解和语义理解，从而产生更多逻辑上正确的事件序列和故事。

Feb, 2021

该研究探讨了故事生成：创作系统可以在一个主题上构建连贯流畅的文本段落，使用一个大规模的数据集，通过分层式故事生成模型，研究人员成功地实现了模型融合，引入了新的门控多尺度自注意机制，并在自动化和人工评估中实现了显著的改进。

May, 2018

自动生成游戏情节提升了玩家的体验，通过提供丰富而沉浸式的叙述体验，适应玩家的操作。我们提出了一种新的情节创作工作流程，通过使用大型语言模型驱动虚拟角色的行为，导入作者的意图并创造出根据游戏世界状态动态适应的故事，最终实现了作者、角色模拟和玩家共同创作的故事。

May, 2024