Towards Human-Level Book-Writing Capability

• arXiv: 2605.17064（2026-05）
• 作者: Jan Zierstek, Matteo Batelic, Maya Medjad, Tim Schönenberger（Pageshift Entertainment）
• 类型: 训练框架 / 数据构造（书籍级创意写作）
• 一句话: 把 SFT 重新定义为"prompt→整本书"的生成任务，用公版小说反演出多分辨率规划脚手架来训练，使专用创意写作模型在写作质量上超过 GPT-5.5 与 Claude Opus 4.8。

1. 要解决的问题

通用助手型 LLM 的散文偏"assistant 腔"，写不出书籍尺度、有文学性的长篇。核心症结是训练数据：模型没见过"从一句 prompt 扩展成整本书"的监督样本。

2. 方法 / 核心思路

核心 trick：多分辨率规划脚手架（Planning Scaffold）+ 层级反演

1. 数据来源：公有领域（public-domain）小说整本。
2. 自顶向下摘要：对每本书做逐级细化的摘要——从高层 premise → 章节级结构 → 场景级结构，形成一个多分辨率的规划层级。
3. 训练时反演（invert）：把这个层级倒过来用，让模型学会： prompt → 逐步细化的计划（premise→章节→场景）→ 最终还原出原书正文。
4. 训练目标因此从"写助手式回答"转向"写人类文学文本"。

直觉：DOME 是推理时动态展开大纲（见 [[03_dome]]），本文是把"大纲→正文"这条链路烘进训练数据里，让模型内化整本书的展开能力。

3. 数据与实验

• 数据：公版小说整本，派生出 premise/章节/场景多层摘要作为训练输入。
• 评测：写作质量评估，对比 GPT-5.5、Claude Opus 4.8 等前沿模型。

4. 主要结果

• 专用创意写作模型在写作质量评估上超过 GPT-5.5 和 Claude Opus 4.8。
• 生成风格明显从"助手式散文"偏移到"人类文学写作"。
• （具体分数/评测协议需查原文 PDF 补齐。）

5. 局限

• 依赖公版小说 → 语料偏经典/古早英文文学，风格分布可能偏老派。
• "质量超过前沿模型"依赖其评测协议，需看是否有评审偏置。
• 版权/风格模仿的边界问题（虽用公版规避）。

6. 对做产品 / 工程的启发

• 数据构造 > 花哨架构：想让模型写长篇，最有效的是喂"prompt→计划→整本书"的反演数据，而非只堆 pipeline。
• 多分辨率摘要（premise→章→场景）是可复用的数据合成配方，中文网文语料也能照做。
• 小而专的写作模型可在特定维度打赢通用大模型 —— 对做垂类写作产品是利好。

关联

• 训练侧"内化大纲展开"与 [[03_dome]] 推理侧动态大纲互补。
• 与 [[09_longwriter]] 同属"用数据合成解锁长输出"思路（LongWriter 侧重长度，本文侧重文学质量）。
• 与 [[08_polaris]] 一样瞄准"让（相对小的）专用模型逼近/超过前沿模型"。