反向反向规划
该研究探讨了使用细分搜索解决情节生成问题的可能性，并提出了一种新型的细分搜索规划算法，可以创建具有因果关系的情节进展，并在识别可能的角色目标和创建计划结构方面解释为什么这些角色承诺他们的目标。结果表明，IPOCL 算法生成的叙述计划比传统的部分顺序规划器生成的计划更能支持观众理解角色意图。
Jan, 2014
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
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
本文探讨了根据标题生成故事的开放域故事生成，提出了一种计划和写作的分层式生成框架，比较了两种规划策略，并通过实验表明了明确的故事情节规划会让生成的故事更加多样化、连贯且主题贴切。
Nov, 2018
通过使用具有高质量内容规划和根据亚里士多德诗学详细描述的优秀剧情编写方面的集合进行语言模型的情节生成，可以解决故事生成的问题，并发现经过良好规划的情节结构的故事比不具备内容规划或者使用不合适的规划方式的基准更加相关和高品质。
Sep, 2020
本研究提出了一种名为 Story Shaping 的技术，能够通过故事来表达暗示性过程知识，让强化学习智能体从范例故事中推断知识，并在执行行动时给予内部奖励，以使其当前的环境符合推断故事世界的要求
Jan, 2023
本文介绍了一种将 Scheherazade 故事意图图转换成人物 NLG 引擎所需输入的自动方法，使用 36 个 Aesop 寓言进行测试，结果表明我们可以生成正确内容，平均与 Scheherazade 实现器的输出接近。
Aug, 2017
研究自动故事情节生成并引入软因果关系概念，并通过 Causal, Commonsense Plot Ordering 算法来实现故事叙述。通过人类参与者协议评估系统，探究不同类型的常识推理和归纳偏差对于叙述质量的影响。
Sep, 2020
设计一种人工智能代理，能够与人类进行协作对话，创作有趣的故事；该模型可以增强任何基于概率方法的对话代理，使其能够思考已建立的宇宙信息和潜在的下一句话可能揭示的内容。研究表明，此模型允许控制代理透露信息的速率，从而显著提高了预测电影对话下一行的准确性。
Jan, 2019