懂AI

DOC: 提升长篇故事连贯性的新方法

RayRay
故事生成DOC大语言模型人工智能文本一致性Github开源项目

doc-story-generation

DOC: 提升长篇故事连贯性的新方法

在人工智能和自然语言处理领域,自动生成长篇故事一直是一个具有挑战性的任务。如何让AI生成的故事既连贯有趣,又能保持情节的一致性和完整性?最近,来自加州大学伯克利分校和Facebook AI研究院的研究人员提出了一种名为DOC (Detailed Outline Control)的新方法,通过详细大纲控制来显著提升长篇故事的生成质量。本文将详细介绍DOC的工作原理、使用方法以及与其他方法的对比。

DOC的核心思想

DOC的核心思想是先生成一个多层次的详细故事大纲,然后在此基础上逐步扩展生成完整的故事内容。这种方法有几个关键优势:

  1. 通过预先规划故事大纲,可以保证整体情节的连贯性和完整性。
  2. 多层次大纲可以控制故事的结构和节奏,避免生成过程中的偏离。
  3. 在扩展每个大纲要点时,可以利用上下文信息保持局部连贯性。

研究表明,DOC生成的故事在连贯性、相关性和趣味性等方面都明显优于此前的方法。在人工评估中,DOC的表现大幅领先于之前的Re3系统。

DOC的工作流程

DOC的整体工作流程可以分为两个主要阶段:

  1. 计划和大纲生成
  2. 主要故事生成

在第一阶段,系统会先生成一个包含设定、角色和多层次大纲的详细计划。研究人员建议使用3层深度的大纲,可以通过调整参数来控制大纲的具体层数。

在第二阶段,系统会根据生成的大纲逐步扩展出完整的故事内容。DOC使用了一系列的控制器和重排序器来保证生成内容的质量,主要包括:

  • 相关性重排序器:确保生成的内容与当前大纲要点相关
  • 连贯性重排序器:保证相邻段落之间的连贯性
  • 详细控制器:控制生成内容与大纲的一致性

通过这些组件的配合,DOC可以在保持创造性的同时,很好地控制故事的整体结构和连贯性。

DOC工作流程示意图

安装和使用DOC

要使用DOC生成故事,需要先安装必要的环境和依赖。主要步骤如下:

  1. 安装Python 3.8.15和PyTorch 1.13.1
  2. 通过pip安装其他依赖项
  3. 下载预训练的控制器和重排序器检查点
  4. 配置OpenAI API密钥(用于调用GPT-3)

完成安装后,故事生成分为两个主要命令:

  1. 计划和大纲生成命令
  2. 主要故事生成命令

研究人员提供了详细的命令示例和参数说明,用户可以根据需要调整各种参数来控制生成过程。值得注意的是,DOC的主要故事生成使用了OPT-175B模型,用户可以选择使用公共API、自行部署或使用GPT-3替代。

DOC与基线方法的对比

为了验证DOC的效果,研究人员将其与多个基线方法进行了对比,包括:

  1. Re3 (使用OPT-175B,匹配DOC的长度)
  2. 滚动窗口OPT-175B
  3. 滚动窗口GPT3-175B

实验结果表明,DOC在多个指标上都显著优于这些基线方法。特别是在保持长篇故事的连贯性和与大纲的一致性方面,DOC表现出了明显的优势。

DOC与基线方法对比结果

DOC的潜在应用

DOC的成功为AI辅助创作开辟了新的可能性。它可以应用于多个领域,例如:

  1. 创意写作:辅助作家快速构建故事框架并扩展内容
  2. 教育:自动生成教学案例或练习材料
  3. 游戏开发:生成游戏剧情和任务描述
  4. 内容营销:批量生成高质量的长篇文章

虽然DOC目前还不能完全替代人类作者,但它已经展现出了极大的潜力,为未来的AI创作系统指明了方向。

结语

DOC项目展示了如何通过精心设计的控制机制来提升AI生成长篇故事的质量。它不仅在技术上取得了突破,也为人机协作创作提供了新的思路。随着相关技术的不断进步,我们可以期待在不久的将来,AI将成为人类创作的得力助手,共同创造出更多精彩的故事。

参考链接

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

下拉加载更多