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
本文介绍了两种自动化技术，基于深度强化学习和奖励塑造来控制计算机生成的故事的情节，其中一种利用PPO对现有的基于变压器的语言模型进行微调，以生成既能连续文本又能寻求目标的故事；而另一种从不断展开的故事中提取出一个知识图谱，由含有图形注意力机制的策略网络选择由语言模型生成的一个候选连续行。我们根据自动化指标和人类参与者对连贯性和整体故事质量的排名来报告与基线和消融情况的比较。
Dec, 2021
我们提出了一个名为SARD的可视化工具，用于利用大型语言模型生成多章节故事，通过对其可用性和创意支持的评估，我们发现节点可视化可能有助于作者建立心理模型，但在故事更加复杂时会导致不必要的认知负荷和注意力分散，还发现无论故事复杂与否，AI生成的故事在词汇多样性方面都较少，这些发现为未来人工智能与人类共同创作工具的发展提供了指导。
Mar, 2024
数字化时代的人类通过数据讲故事，生成 AI 带来了新的机遇和挑战，该研究旨在探讨生成 AI 在数据讲故事中的作用、工作流程的变化以及整合 AI 的风险和陷阱。
Apr, 2024
本文探讨了如何通过分析单幅图像或图像序列生成叙事，以填补传统叙事艺术与现代技术之间的空白。提出的新方法利用GPT-4o的多模态能力解读视觉内容，生成引人入胜的故事，同时介绍了一个名为ImageTeller的工具，用户可根据不同文学类型自定义故事发展。最显著的发现是，该工具提供了高度互动的用户体验，使用户能够实时调整故事内容和结构。
Aug, 2024
本研究旨在解决儿童故事讲述中的互动性不足问题，提出一种利用生成人工智能的教育工具。该系统通过叙事共创、文本转语音和文本转视频等技术，提供生动的学习体验。研究发现，这种多模态生成方式显著提高了故事的语言表达质量和视觉呈现的准确性，具有广泛的教育应用潜力。
Sep, 2024
本研究解决了儿童故事讲述缺乏趣味性的鸿沟，提出了一种新颖的教育工具，利用生成性人工智能进行故事共创、文本转语音和文本转视频的融合。研究发现，该系统显著提升了故事的语言质量、语音转换效果和视觉生成的相关性，为学习者提供了更加吸引人的学习体验。
本研究针对教育领域中生成人工智能的研究不足，特别是多模态能力的探索，提供了新的视角。通过主题建模方法，识别出38个可解释主题，表明当前研究主要集中在文本到文本模型，而对其他模态的关注不足，强调了在不同人工智能模态及教育层面上给予更多平衡关注的重要性。
本研究针对现有大语言模型在创意故事生成中的人物多样性和细节不足的问题，提出了一种新颖的故事生成框架CCI（基于想象的人物中心创意故事生成）。该框架通过图像引导想象和多写作者模型两个模块，显著提高了故事中人物、背景和主线的创意性和生动性，展示了人机互动在文化发展中的潜在影响。
本研究针对漫画创作过程中的创意瓶颈，提出了一种灵感源于理论的视觉叙事生成系统，将漫画创作者的概念原则与生成语言模型相结合，形成协作平台。研究发现，该系统通过机器学习模型的整合，显著提升了生成图像序列的叙事元素，实现人机合作生成漫画内容的创新性进展。