PAUSE: 可编辑策略工件用于长篇文化故事改编

# 可暂停更新：面向长篇文化叙事改编的可编辑策略制品  
来源：https://arxiv.org/html/2608.28633  
###### 摘要  

生成式人工智能系统日益介入文化改编，但其文化决策往往隐于提示词、临时性模型计划或最终文本之中。我们研究了PAUSE（暂停与更新策略编辑）这一干预方案，它通过暴露可编辑的改编策略，为长篇故事改编中的文化决策提供人类控制界面。该策略是一种结构化制品，可被检视、编辑，并通过下游的角色、实体和章节本地化阶段进行投射。针对两部中文连载小说，我们测试了人类对该策略的编辑是否能转化为章节级文本的改动。在99组编辑-对照章节比较中，评审者在所有99组中均选择了基于编辑策略的输出；标记审计显示，在99组编辑输出中出现88/9组目标标记，而对照组为0/9组；禁止标记在编辑输出中完全缺失，却出现在所有对照组中。我们将这些结果定位为小规模编辑遵从性研究，而非声称输出具备文化权威性或文学质量提升。PAUSE为让AI介导的文化改编在决策扩散至长篇生成前变得更具可检视性与可辩驳性提供了一种实践方案。  

文化人工智能、叙事改编、创意翻译、可控生成、LLM评判  

源章节xcx_{c}提取+整合可编辑策略S′=E(S,δ)章节改写π(⋅)策略盲审润φ最终输出ycy_{{c}}人类编辑δ三条传播路径直接文本ρ(S′)角色映射Mchar(S′)实体映射Ment(S′)无直接策略输入  

图1：PAUSE机制。该流程从源章节捕获改编策略S；人类编辑δ产生S′=E(S,δ)。编辑后的策略通过直接提示文本、角色映射和实体映射到达章节改写阶段，而策略盲审润阶段仅接收改写后的草稿。  

## 1引言  

生成式人工智能系统日益介入文化制品，但其文化决策常隐于提示词、临时性模型计划或最终文本之中。在长篇叙事改编中，这些决策尤为重要，因为名称、场景、机构、社会等级制度与类型语域需在多章节间保持稳定。当任务涉及跨文化维度时，问题不仅关乎流畅度：翻译可能需要创意翻译、实体本地化与语境敏感的文化置换。  

当前的大语言模型工作流为人类作者与编辑提供了两个熟悉的干预点：他们可以在生成开始前通过提示词引导，寄望指令能经受模型内部规划与多次下游调用的考验；或者在最终文本已塑造了名称、关系、机构与风格后进行后期编辑。这两个节点虽有用，但均未让编辑直接掌控文化决策层本身。对于作为文化技术的人工智能而言，这种不透明性至关重要：文化改编可能抹除源文本特性、将文化扁平化为刻板印象、并自动部分创造性劳动。目标不应是让此类转化自动正确，而是使其在扩散前可检视、可辩驳。  

本文研究PAUSE——一种基于可编辑、可解释的中间策略而构建的暂停-更新策略编辑干预方案。在我们的长篇改编流程中，大语言模型输出一种结构化的*改编策略*，捕获目标场景、命名惯例、机构类比、语域选择与实体本地化原则。我们将此策略呈现为JSON制品，允许人类编辑修改，并在不微调模型的情况下从编辑副本恢复流程。该策略被元数据本地化阶段消费，并通过本地化的角色记录、实体记录、提及映射以及（在修补实验运行中）策略条件化改编提示词投射至章节写作；最终的润色阶段被刻意设计为策略盲审。因此，实证问题并非系统是否总体上改进了翻译，而是对可见策略制品的编辑是否能触达读者所见的文本。  

我们评估了三组编辑-对照运行。基于两部中文网络小说产出的99组章节级成对比较，评审者在所有99组中均选择了基于编辑策略的输出。确定性标记审计指向相同方向：目标标记出现在88/9组编辑输出中，对照组为0/9组；禁止标记在编辑输出中为0/9组，而在9/9组对照组中出现。我们将其视为小规模编辑遵从性结果：它表明与模式对齐的策略编辑可传播至章节文本，但并未确立文化适切性、文学质量或全书连贯性。  

### 贡献  
(1) 我们引入PAUSE，将大语言模型生成的改编策略识别为长篇叙事改编中文化决策的可编辑控制面。(2) 我们围绕该制品实现了暂停/编辑/恢复机制，无需微调模型。(3) 我们刻画了策略编辑向文本传播的三条路径：直接文本调节、间接角色映射与间接实体映射。(4) 我们报告了基于99组章节比较的小规模传播研究，辅以成对判断与确定性标记检查。(5) 我们讨论了此证据的局限性，以及使文化改编工作流更具可检视性与可辩驳性的前提条件。图1在我们将流程基底与编辑传播实验分离前，提供了机制概览。  

## 2相关工作  

### 长篇文学翻译与文化改编  
文档与章节级机器翻译促使我们关注超越单句或场景的跨一致性决策。近期WMT文学翻译共享任务与Disco-Bench基准测试，为话语级中英文学翻译提供了具体评估场景；金等人进一步研究了章节间语境。平行研究线指出，跨文化翻译不能简化为字面转换：文化敏感型自然语言处理与跨文化机器翻译需关注实体、社会语境与目标文化知识。我们的工作使用此场景，但提出不同问题：文化决策层是否能在影响多章节文本前被暴露为可编辑制品。  

### 通过中间写作制品实现人类控制  
人类-人工智能写作系统常在文本编辑或建议层面暴露控制界面，如协作编辑器与创意写作交互数据集。长篇生成系统则强调计划、提纲、记忆与修订循环作为引导下游草拟的中间对象。我们遵循此中间制品模式，但粒度不同：被编辑对象不是局部段落或情节提纲，而是跨章节改编策略，其值被编译为名称、实体与章节本地化提示词。  

### 开放式生成评估  
创意与文化改编任务很少有唯一参考答案，因此基于成对比较与评分量表的大语言模型判断虽常见，但需保持狭窄性与偏差意识。我们将判断任务定位为编辑遵从性而非全局质量，使用与生成器不同模型家族的评审者，并添加确定性标记审计。标记审计遵循将长篇输出分解为可检查单元的更广泛评估模式，如同原子事实性评估。这些选择将我们的证据定位为小规模传播测试，而非文化质量或文学翻译的基准。  

## 3流程基底  

我们仅描述长篇改编流程中使策略编辑实验可读的部分。该流程将*元数据层*（提取与本地化角色、实体、关系及提及映射）与*文本层*（使用这些本地化记录重写章节）分离。在受检视的实现中，这是独立入口，但概念上属于同一改编工作流。模型与评审者细节随评估方案报告。  

### 元数据层  
针对源小说与目标语言/文化，元数据层执行：(i) 章节级角色、实体与关系提取至知识图谱；(ii) 策略步骤将知识图谱、家族结构、实体图谱与目标场景凝练为结构化改编计划；(iii) 角色本地化；(iv) 实体本地化；(v) 本地化记录的验证与文化状态检查。策略是包含名称、家族、地点、机构、社交称谓、类型术语与文化指涉声明式规则的JSON文档。其模式具有源条件性：编辑者需修改策略大语言模型实际输出的键，而非假设固定规范模式。  

### 本地化记录与提及投射  
角色本地化生成规范的源-目标名称记录，包括名、姓、敬称与提及映射。实体本地化先处理地点，再通过图段本地化其他实体，使相关机构、地点、物品与文化项目可协同改编；图分割采用Louvain式社区检测。本地化后，桥接脚本合并源与本地化记录，并投射至mentions_by_chapter.json——元数据至章节写作的机器可读交接文件。  

### 文本层  
章节写作是独立的原型入口。它读取源DOCX与mentions_by_chapter.json，可选择性地从合并的角色/实体JSON增强提及信息，并以两遍方式编写每章。第一遍执行改编与提及替换；在修补实验运行中，相关策略文本也可注入此本地化提示词。第二遍重写草稿以提升流畅度与风格。润色阶段是*策略盲审*的：它不直接接触策略JSON，因此评估测试的是在润色前引入的策略敏感决策是否留存至最终章节文本。  

在PAUSE框架下，我们可以简洁概括此主张边界。对于源章节xcx_{c}、捕获策略S、人类编辑δ、章节改写π与策略盲审润φ：  

S′\displaystyle S^{\prime}=E(S,δ),\displaystyle=E(S,\delta),\(1\)P(S′)\displaystyle\mathcal{P}(S^{\prime})=\big(ρ(S′),Mchar(S′),Ment(S′)\big),\displaystyle=\big(\rho(S^{\prime}),M_{\rm char}(S^{\prime}),M_{\rm ent}(S^{\prime})\big),y~c\displaystyle\tilde{y}_{c}=π(xc,P(S′)),\displaystyle=\pi\!\big(x_{c},\mathcal{P}(S^{\prime})\big),yc\displaystyle y_{c}=φ(y~c).\displaystyle=\phi(\tilde{y}_{c}).  

公式1使主张边界显式化：EE为编辑操作，y~c\tilde{y}_{c}为润色前章节草稿，ycy_{c}为最终章节输出。P(S′)\mathcal{P}(S^{\prime})仅是图1中三条策略衍生路径的紧凑表示：ρ(S′)\rho(S^{\prime})为注入本地化提示词的直接策略文本，而McharM_{\rm char}与MentM_{\rm ent}为间接角色与实体映射。策略编辑无法控制每个句子；它只能通过这些路径影响文本。  

## 4PAUSE：可编辑策略引导  

PAUSE设计精简：暴露策略制品、编辑它、从编辑副本恢复。这使人类输入位于提示词引导与最终文本后期编辑之间。编辑者无需重写全部输出，模型无需微调；编辑者改变的是下游元数据本地化阶段使用的可见文化决策层。  

### 暂停/编辑/恢复钩子  
我们围绕生成的策略文件实现了本地原型钩子。首次调用时，流程运行至提取与策略大语言模型调用，将策略JSON写入磁盘后暂停。编辑者修改该文件。第二次调用加载编辑后的JSON，从此编辑策略继续元数据本地化，并将所得本地化记录投射至章节写作。界面即所输出的模式：任何文本编辑器均可进行编辑，但编辑必须针对捕获策略中实际存在的字段。  

### 可编辑内容  
编辑是策略步骤输出的JSON文档在暂停与恢复间的任何更改。在家族音乐剧案例研究《爱与琴弦》中，编辑者将本地化框架从纽约古典钢琴家族改为纳什维尔乡村吉他家族。一个简单的字段编辑改变了目标场景文本：  

> 修改前：“……唤起纽约市及更广阔新英格兰地区的建筑、天气与氛围（如褐石建筑、秋叶、曼哈顿生活节奏）。”  
> 修改后：“……唤起田纳西州中部的建筑、天气与氛围：连绵起伏的丘陵、石灰岩基岩、炎热夏季、下百老汇的霓虹灯光，以及富兰克林 antebellum 住宅的静谧优雅。”  

同一编辑中的其他更改影响姓氏惯例、机构与敬称。附录A展示了更长的修改前后摘录。此类编辑是否实际触达最终文本属实证范畴；第5节评估此传播。  

## 5评估  

我们通过*策略编辑传播*评估PAUSE：人类对捕获策略的编辑是否按预期方向改变最终章节文本。这是小规模研究，非完整基准。控制证据涵盖两部中文连载小说，《权