编码化伏笔-收束文本生成框架 Codified Foreshadowing-Payoff Text Generation

CFPG 的完整流程分为三个阶段。第一阶段：因果状态初始化与伏笔池构建。对给定叙事文本 = (s_1, \ldots, s_T)$，从 BOOKSUM 摘要中通过三阶段管道提取 F-T-P 三元组——（1）句级候选识别：用 GPT-4.1 扫描摘要提取候选伏笔-收束对，锚定到两个特定句子索引 $；（2）收束对齐验证：符号验证门评估 {t_p}$ 是否构成 {t_f}$ 的真正因果解决；（3）基于评分标准的过滤：两个独立验证模型从设定有效性、收束有效性、时间分离度、伏笔合理性四个维度评估，仅两个模型均通过所有标准的对才保留。第二阶段：编码化生成循环。在每一步 $，对伏笔池 $ 中每个待处理承诺调用 codify 函数评估当前叙事上下文 $ 是否满足触发条件 $，激活子集 $ 被注入语言模型上下文，引导生成： \sim p_ heta(y | X_t, S_t)$。第三阶段：状态转移与锚定。验证模块识别 $ 中哪些承诺在文本 $ 中被成功实现并从 $ 移除，同时提取 $ 中新引入的叙事设定编码为新 F-T-P 三元组加入 {t+1}$。

CFPG 的技术新颖性体现在多个层面。首先，它将可控文本生成从静态属性控制（主题、风格、情感）扩展到动态事件控制——不是控制如何表达，而是控制何时解决叙事承诺，这是一种全新的 CTG 范式。其次，F-T-P 三元组中的 Trigger 概念是原创贡献，它引入了逻辑门控机制，使伏笔-收束关系具有时间维度的精确控制能力。第三，框架将叙事因果性从模型的隐式注意力权重外部化为显式的有限状态抽象（codified finite-state abstraction），这使得叙事债务可以用符号化精度追踪，纯提示方法无法达到这种精度。第四，CFPG 提供了可控制的评估接口，能基于承诺兑现来评估语言模型的叙事能力，而非表面流畅度。最后，从 BOOKSUM 自动提取 629 个验证过的伏笔-收束对的管道本身也是贡献，它实现了对长程叙事依赖的大规模、低噪声提取。

本文存在几个值得关注的弱点。第一，触发条件的判断仍依赖 LLM 自身（codify 函数的实现），这引入了循环依赖——用可能不擅长因果推理的模型来判断因果条件是否满足。改进方向可以是引入外部知识库或规则引擎来辅助触发判断。第二，伏笔提取管道的三个阶段（候选识别、对齐验证、评分过滤）每步都可能引入错误传播，且最终仅保留 629 对，覆盖率可能不足。可以设计端到端的提取模型或引入人类在环验证来提升质量。第三，摘要级实验虽然便于控制变量，但无法验证框架在完整小说级文本上的表现。改进方向是直接在全文本上进行实验，评估伏笔池随故事展开的动态演化。第四，评估方法依赖 LLM 判断者（GPT-4.1 做叙事蕴涵判断），可能存在判断偏差。应补充人类评估或设计更客观的自动指标。

作者在结论中暗示了几个研究方向。基于本文成果，未来可延伸的方向包括：（1）将 CFPG 扩展到多模态叙事生成（如视频、游戏），其中伏笔可能涉及视觉元素而非纯文本；（2）开发交互式创作工具，让人类作者可以查看和编辑伏笔池，实现人机协作创作；（3）研究伏笔-收束关系的类型学（本文已初步分类为物体、事件、言语行为、规则、符号），探索不同类型伏笔的认知加工机制；（4）将框架应用于叙事理解任务（如阅读理解、故事问答），测试模型是否能利用编码化的因果结构提升理解能力；（5）探索伏笔-收束关系与情感弧线（emotional arc）的交互，研究叙事承诺的兑现如何影响读者情感体验；（6）在更长上下文（百万 token 级）上测试伏笔池的可扩展性和状态维护的鲁棒性。

论文提供了代码仓库（https://github.com/LongfeiYun17/CFPG），这有利于复现。数据集方面，629 个伏笔-收束对从 BOOKSUM 提取，BOOKSUM 本身是公开数据集，但提取管道涉及 GPT-4.1 API 调用，存在成本和版本依赖问题。实验使用了多个开源模型（Qwen2.5-3B/7B/14B, Llama-3.1-8B）和商业模型（GPT-4.1-mini, Claude-Haiku-4.5），商业模型部分难以完全复现。算力要求方面，实验主要在推理阶段进行，基础模型实验（3B-14B 参数）可在单 GPU 上完成，但 GPT-4.1 级别模型需要 API 访问。总体复现难度中等——代码开源、数据可获取，但依赖商业 API 和特定模型版本。