DOME: Generating Long-form Story Using Dynamic Hierarchical Outlining with Memory-Enhancement

arXiv: 2412.13575（2024-12）
作者: Qianyue Wang, Jinwu Hu, Zhengping Li, Yufeng Wang, Daiyuan Li, Yu Hu, Mingkui Tan（华南理工大学、琶洲实验室、鹏城实验室、香港理工大学）
类型: 大纲 + 记忆增强方法（"plan-and-write"主流路线的代表作）
一句话: 用"动态分层大纲"平衡宏观规划与灵活性，用"时序知识图谱记忆"降低前后冲突，是长篇生成方法侧最常被引用的基线之一。

1. 要解决的问题

现有长篇生成两种做法各有短板： - 固定大纲：不能适应生成过程中的不确定性 → 情节不连贯。 - 无大纲逐步生成：缺宏观规划 → 情节不完整。

DOME 同时兼顾情节完整性与上下文一致性。

2. 方法架构

2.1 动态分层大纲 DHO（Dynamic Hierarchical Outline）

两层结构，且边写边扩展（而非一次性预生成）：

粗纲（Rough Outline）：基于 Joseph Campbell 的写作理论生成五阶段粗纲，保证情节完整。 R = LLM(WT, I, P_rough_outline)（WT=写作理论，I=用户输入）
细纲（Detailed Outline）：对每个粗纲小节，根据已生成内容动态展开 M=3 个细纲。 d_i = LLM(r_i, RInfo.i, P_detailed_outline)
故事生成：从细纲顺序生成局部故事。 s_i^t = LLM(do_i^t, DInfo.i^t, P_gen_story)

关键点：规划与写作交融进行，既保留结构又能随生成情况自适应。

2.2 记忆增强模块 MEM（Memory-Enhancement）

用时序知识图谱（TKG）存取故事信息：

存储：从每句抽取 <主语, 动作, 宾语> 三元组，加章节索引形成四元组 <subject, action, object, chapter_index>。
检索：先按实体检索四元组，再用 LLM 做语义过滤（5 条相关性标准：主语匹配、宾语匹配、动作匹配、事件相似、写作有用性），选 top-k。
作用：提供简洁且语义相关的历史上下文，减少前后冲突。

2.3 时序冲突分析器（Temporal Conflict Analyzer）

一个自动评估指标：把四元组按 5 条规则分组 → 生成自然语言摘要 → LLM 依时间顺序判断是否合理。 冲突率 CR = (冲突四元组 / 总四元组) × 100%

2.4 流水线（Algorithm 1）

初始化知识图谱；2. 由输入+写作理论生成粗纲；3. 对每个粗纲小节：检索历史 → 生成细纲 → 对每个细纲：查询相关内容 → 生成局部故事 → 存入 TKG。

3. 数据与评估

数据：来自 DOC（Yang et al., 2023）的 20 个故事前提（含设定、人物、要求的情节线）。
自动指标：Ent-2（词汇多样性）、Conflict Rate（冲突率）。
人工评估（3 人盲排）：情节完整性 PCo、情节连贯 PCoh、相关性 Rel、趣味性 Int、表达连贯 ECoh。

4. 主要结果

对比 Qwen1.5-72B-Chat 基线： - Ent-2 +35.7%（9.06 → 12.29）；冲突率 −15.2%（0.66 → 0.56）；生成长度近乎翻倍（495.70 → 7113.75 词）。

对比当时 SOTA（DOC）： - Ent-2 +6.3%（11.55 → 12.29）；冲突率 −27.3%（1.21 → 0.56）；5 项人工指标全部排第一。

消融： - 去掉 MEM：冲突率暴涨 0.56 → 4.52，Ent-2 降到 10.00。 - 去掉 DHO：长度掉到 1471.90 词，人工指标全面下降。

可扩展性： 换不同 LLM 都有提升（Llama3-70B 冲突降 18%+，Yi1.5-34B 熵升 29%+）。

5. 结论

DHO（结构 vs 灵活的平衡）+ MEM（记忆降冲突）协同，使长篇生成在自动与人工评估上超越当时 SOTA。论文称 MEM 使冲突降低约 87.61%。

6. 局限

重度依赖人工评估与自定义 prompt。
成本高：约 200 次 API 调用/篇，一篇 ~7000 词约需 ~4 小时。
基线数据集偏少（20 个前提）。

7. 对做产品 / 工程的启发

"两层动态大纲" 是可控性与灵活性的好折中：先定五段式骨架，细纲随写随扩。
把叙事抽成带章节索引的四元组存 KG，是低成本长程记忆的实用做法。
冲突率（CR）可作为一个便宜的自动质量指标接入 CI，无需全靠人评。
注意成本：动态大纲 + 检索会显著放大 API 调用，产品化需做缓存/裁剪。

关联

记忆图谱 + 冲突检测思路与 [[02_from_personas_to_plot_magnet]] 的世界状态图、[[01_lost_in_stories]] 的一致性检测同源。
写作理论驱动大纲的思路，可与 [[04_codified_foreshadowing_payoff]] 的叙事结构编码结合。