本论文提出并解决了通过两种文本生成范例 —— 统计机器翻译和深度学习，生成连贯故事的任务。使用两种 SMT 方法和一个深度 RNN 架构，将可变长度的输入描述编码为对应的潜在表示，并解码以生成形式完备的故事总结。在一个公开数据集上，利用常见的机器翻译和总结评估方法证明了所建议方法的有效性。

Jul, 2017

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

我们发现，在重新编写任务中，大型语言模型（LLMs）更有可能修改人类撰写的文本，而不是 AI 生成的文本。这种偏好出现的原因是 LLMs 通常认为 AI 生成的文本质量较高，从而减少了修改。我们提出了一种通过提示 LLMs 重新编写文本并计算输出的编辑距离来检测 AI 生成内容的方法，我们将其命名为 Raidar。Raidar 显著提高了现有 AI 内容检测模型（包括学术和商业模型）在新闻、创意写作、学生作文、代码、Yelp 评论和 arXiv 论文等各个领域的 F1 检测得分，最高可增加 29 个百分点。我们的方法仅基于单词符号而不使用高维特征，与黑盒 LLMs 兼容，并且在新内容上具有内在的鲁棒性。我们的研究结果通过机器自身的视角展示了机器生成文本的独特特征。

Jan, 2024

本文研究了使用 AI 技术辅助创作的自然语言生成（NLG）模型，并邀请了 13 位专业作家来尝试使用 Wordcraft，这个内置 AI 辅助撰写工具的文本编辑器。结果显示 NLG 工具在创作过程的脑暴、描写细节、建立故事世界和研究文本方面具有很大的潜力。但由于 NLG 技术在保留风格、语调和理解故事内容等方面存在困难，因此建立一个合适的作家个性化 NLG 辅助工具是非常有挑战性的。

Nov, 2022

本研究介绍了 VISAR，一个 AI 助手系统，用于协助写作者在他们的写作背景下构思和修订分层目标，并通过同步文本编辑和可视化程序组织论证结构，提高说服力。VISAR 还支持自动草稿制作，实验室实验证实了其在促进论证写作规划过程中的可用性和有效性。

Apr, 2023

Wordcraft 是一种 AI 辅助编辑器，使用与对话自然属性相结合的少样本学习，可以支持各种交互方式，为写作者提供了一个沙盒，以探索基于 transformer 的语言模型的边界，并为未来的以人为核心的训练管道和新的评估方法铺平了道路。

Jul, 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

应用大型语言模型和增强生成检索技术，我们提出了 DRAGON-AI（动态检索增强本体生成），这种本体生成方法可以从现有知识和非结构化文本源中提取文本和逻辑结构的本体组成部分。我们通过对十个不同的本体进行了广泛的手动评估，证明了 DRAGON-AI 在关系生成和定义生成方面的高准确度。研究结果表明 DRAGON-AI 有望在手动本体构建过程中提供重要的帮助，但也强调了专家管理者和本体编辑在本体生成过程中的重要性。

Dec, 2023

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