Narrative Flattening: How Post-Training Compresses Thematic, Affective, and Stylistic Variation in LLM Fiction

• arXiv/venue: 2605.27878 (2026-05)
• 作者: Zehan Li, Yutong Zhu, Siyang Wu, Honglin Bao, James A. Evans（含芝加哥大学 James Evans 团队）
• 类型: 实证诊断 / 归因分析 —— 定位"AI 文风变平"发生在训练的哪一步
• 一句话: 用同一底座的 4 个 OLMo-32B 检查点（Base→SFT→DPO→RLVR）做受控对照，证明"叙事扁平化"主要发生在后训练（post-training）阶段：主题起伏、情感强度、文体多样性被系统性压缩，且越是专业文学，被压得越狠。

1. 要解决的问题

大家都感觉 LLM 的创意写作"平淡、千篇一律"，但一直没搞清：这种"平"是预训练带来的，还是后训练（SFT/对齐/RL）造成的？ 而且它对不同类型的小说（网文 vs 命题作文 vs 专业文学）影响是否一样？ 本文要把"扁平化"的成因定位到具体训练阶段，并量化不同文学域的受损程度。

2. 方法 / 核心思路

2.1 受控对照设计（核心巧思）

用 4 个 OLMo-32B 检查点：Base（仅预训练）→ SFT（监督微调）→ DPO（偏好优化）→ RLVR（可验证奖励的强化学习）。 四者共享架构、规模、tokenizer、预训练——因此彼此差异只来自后训练步骤，从而干净地隔离出 post-training 效应。

2.2 匹配式故事续写范式（matched story-continuation）

在三个文学域上，给同一段开头，让各检查点续写，并与匹配的人类真实续写对比： - StoryStar：公共平台网文（业余）。 - TMAS：命题/提示引导的故事。 - The New Yorker：专业文学小说（专业作家）。

2.3 三个句子级测量维度

每篇续写沿三条轴测量，并与人类基线比"差距"： 1. Thematic motion（主题运动）：句间主题如何转移/推进——后训练后转移变更均匀（缺乏起伏）。 2. Affective prevalence（情感强度分布）：高强度情绪 → 向中性塌缩。 3. Linguistic diversity（语言多样性）：跨故事的文体多样性收缩（不同故事读起来越来越像）。

3. 数据与实验

• 三域 × 四检查点 × 匹配人类续写，做句子级测量与跨检查点比较。
• 关键控制：四检查点唯一变量是后训练阶段，人类续写作为"上限/参照系"。
• 分析落点在"后训练各阶段相对 Base、相对人类的差距如何变化"。

4. 主要发现 / 结果

• 后训练压缩动态变化（核心结论）：从 Base 到 SFT/DPO/RLVR，三个维度全部被压——主题转移更均匀、高强度情感让位于中性、跨故事文体多样性缩小。"平"主要是后训练造成的，不是预训练。
• 越专业，压得越狠：方向在三域一致，但差距大小取决于人类基线的高度——专业文学（The New Yorker）被压缩最严重，网文（StoryStar）与命题故事（TMAS）差距较小。
• 后训练终点跨域收敛：对齐后的模型输出对来源域的叙事质感基本"不敏感"——不管喂进来的是网文还是纯文学，产出都趋同、被拉到相似的"默认叙事纹理"。
• 摘要与正文以方向性 + 相对差距呈现为主，未给出统一的单一效应量数值（各维度分别度量）。

5. 局限

• 只在 OLMo-32B 单一模型族上验证；是否推广到其他家族/规模需进一步实验。
• 三个维度均为代理指标（主题运动、情感、多样性），与"读者主观觉得平"之间仍有解释鸿沟。
• "专业文学被压最狠"部分源于其人类基线本就最高，"差距大"与"绝对质量降幅大"需谨慎区分。
• 未直接给出"如何缓解扁平化"的方法（诊断型工作）。

6. 对做产品 / 工程的启发

• 警惕"对齐税"落在创意上：如果产品用对齐/RLHF 后的模型做创意写作，本文提示默认会牺牲主题起伏、情感强度和文体多样性——尤其在追求"高级文学感"的场景。
• 多样性可作为质量闸门指标：把"跨故事文体多样性 / 情感强度分布 / 主题转移熵"做成监控指标，能量化 catch"越写越像、越写越平"的退化。
• 选型建议：需要文学质感时，可考虑保留/混用更靠前的检查点（Base/SFT）或降低对齐强度，而非无脑用 RLVR 终点模型。
• 提醒数据侧：喂进专业文学不一定换来专业输出——对齐会把域特征抹平，光靠 prompt/素材未必救得回来。

关联

• 与 [[23_story_eval_survey]] 的"diversity / interestingness / 主观维度难评"直接对应，可视为对这些维度退化的实证。
• 与 [[19_storyalign]] 形成张力：对齐（DPO/RLVR）能提升"人类偏好命中"，但本文显示同一过程会压缩创意多样性——偏好对齐 vs 创意保留的权衡。
• "情感强度/多样性坍缩"也解释了 [[22_hellobench]] 里长文"质量退化、重复"的一部分成因。
• 文体多样性收缩与 [[02_from_personas_to_plot_magnet]] 关注的人物/文风个性化诉求相冲突。