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

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

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

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

该论文介绍了一个由STORIUM构建的故事生成数据集和评估平台的细节，提供了具有细粒度自然语言注释和作者生成的6K个长度较长（125M个标记）的故事，旨在帮助人们更好地了解故事生成，并通过整合到STORIUM进行评估，来提高模型的生成性能和可靠性。

Oct, 2020

论文介绍了一种名为CAST的基于Transformer的神经叙事生成框架，它使用常识推理来增强故事生成的连贯性和角色之间的交互，且在单一和多角色设置下比现有模型产生更连贯，主题相关，可享受和流畅的故事。

May, 2021

本文系统地研究了预训练语言模型在故事生成任务中维持实体连贯性和一致性方面的能力，并提出了动态实体记忆的增强方法，旨在使用辅助实体相关性损失来指导读写实体记忆，以提高实体连贯性和一致性，同时还验证了自动评价指标与人工评价的相似度，从而提出的自动评价指标可以作为生成故事质量的良好指标。

Feb, 2022

本文介绍了如何使用 Recursive Reprompting 和 Revision 框架 (Re3) 来自动生成长篇故事。该方法使用通用语言模型构建结构化总体计划，并在当前情境信息注入语言模型之前，反复注入来自计划和当前故事状态的情境信息。之后，通过重新排列连续文本并编辑最佳连续文本以获取事实一致性来进行修订。该方法生成的故事比直接从相同基础模型生成的类似长度故事更具条理性和相关性。

Oct, 2022

该研究综述了结构化知识增强故事生成研究领域，总结了现有方法是如何将结构化知识融入到故事生成中的，涉及故事语料库、结构化知识数据集和评价指标，并探讨了知识增强故事生成的挑战和未来研究方向。

Dec, 2022

本研究解决了当前大型语言模型在创作情节复杂的小说时依赖复杂提示的局限性。我们提出了“智能体的房间”生成框架，通过将叙事写作拆解为多个子任务，由专业智能体协作完成。研究表明，该框架生成的故事在专家评估中优于基线系统，具有较高的故事质量和评估可用性。

Oct, 2024