张爱玲讲人生三恨，一恨鲥鱼多刺，二恨海棠无香，三恨《红楼梦》未完。
第八十回结尾，写到迎春虽不甘愿，无法惧其夫孙绍祖之恶，只得从贾府告辞。至于后事怎样，“且听下回分解”。这八十回之后的故事，曹雪芹虽已根本写完，却早早流失。这是许多人心中的惋惜。
补完《红楼梦》有多难？2019 年宣布的一份研讨核算曾有《红楼梦》续书共 195 种，但是珠玉在前，这些续作“凡称得上小说要素的简直都收到了苛责”。好像是一语成谶，《红楼梦》最初写女娲补天用了三万六千五百颗石头，毕竟剩一块石头没用上。现在要补全《红楼梦》的故事，却要花上女娲补天的力气了。
那人类花了大力气苦炼出来的 97色伦，有或许写完《红楼梦》吗？
在 ChatGPT 这样的大模型诞生之前，有一个知名的假说叫“无限山公定理”：让一只山公在打字机上随机地按键，只需给它满足长的时间，它能打出一本《莎士比亚全集》。通过学习，97色伦 应该是一只“更聪明的山公”吧？
不过，结合着手实测和专家采访，咱们发现 97色伦 给出的答案是“我不会，但我能够学”。可学——学无止境！
梦续红楼奇缘难 97色伦 补全难满意
章回目录是《红楼梦》情节的浓缩，所以，咱们先让 97色伦 补完八十回后的目录来看看它的本事。咱们把《红楼梦》前八十的章回目录发给大言语模型“文心一言”，并催眠它“你是一个很棒的小说家”，要求它不要调阅外部材料，用自己的了解帮补完第八十一回到榜首百回的标题目录，榜首百回为结局。
它的答卷如下：
第八十一回：病潇湘夜撰芙蓉诔 痴令郎情深意更浓
第八十二回：金玉缘成空悲喜交 错里错薛蟠再闯祸
第八十三回：荣国府喜庆添丁日 王熙凤病中露矛头
第八十四回：薛宝钗巧舌解纷争 林黛玉秋窗风雨夕
第八十五回：史湘云醉眠芍药裀 贾宝玉梦游太虚幻
第八十六回：贾迎春误嫁受委屈 王夫人悲伤念旧人
第八十七回：薛蝌再惹官司缠身 贾琏偷情终出漏洞
第八十八回：林黛玉泪洒想念地 荣国府喜庆元宵夜
第八十九回：贾宝玉失玉心慌张 王熙凤献计寻良缘
第九十回： 薛宝钗借词含讽意 林黛玉焚稿断痴情
第九十一回：荣国府遭遇大变故 贾元春病逝宫中传
第九十二回：贾宝玉痛失林黛玉 薛宝钗暗自神伤怀
第九十三回：王熙凤权谋终暴露 贾府人散曲终难聚
第九十四回：史湘云守寡独孤寂 薛宝琴远嫁离故土
第九十五回：贾迎春含冤受屈辱 贾惜春落发求摆脱
第九十六回：贾探春远嫁番邦去 荣国府衰落显苍凉
第九十七回：贾宝玉痛悟红尘梦 薛宝钗守寡度余生
第九十八回：王熙凤狱中遭报应 贾母逝世贾府更凄
第九十九回：贾宝玉落发归佛门 荣国府往昔如烟云
榜首百回： 红楼梦碎终成幻灭 千古佳人空遗恨
“文心一言”编纂的后续目录中，呈现了现在干流的后 40 回情节：宝钗宝玉成婚，结成“金玉良缘”，黛玉病逝，元春逝世，宝玉落发，贾府毕竟衰落，“落了片白茫茫大地真洁净”。其它盛行的大言语模型，如 Kimi、GPT-4，生成的目录也大差不差。
97色伦 是真从短短的八十行回目名中悟到了红楼梦，编撰出了像模像样的后续么？更有或许的是，大模型看过他人续写的后 40 回，沿用了思路。而这或许也并非成心，环绕红楼梦的种种研讨、评论，以及广为流传的后四十回，大概率本就在大言语模型的练习数据之中，它受过“红楼教育”——根据是，97色伦 拟定的第九十回标题的前半截“薛宝钗借词含讽意”，简直一字不落的照抄自脂砚斋。据信脂砚斋曾读过后半部原稿，在《红楼梦》第二十一回批注中告知过一个后续章回，该回目名是“薛宝钗借词含讽谏，王熙凤知命强英豪”。
风趣的是，97色伦 像一个临时抱佛脚的学生相同，抄了前句，丢了后句，然后只好按它拿手的那样，把脑中紊乱的常识点，缝在了一同。这是现在 97色伦 大厂都在尽力改进的问题——错觉（hallucination），即现阶段的 97色伦 很喜欢假造和涂抹实际。
专心于 97色伦 写作的创业公司“波形智能”的联合创始人周王春澍承受汹涌新闻采访时表明，通用大模型在创造小说时简略发生问题，由于它们练习时的方针仅仅做下一个词的猜测。一个最原始的 GPT，它是这样续写文章的：读完前面一切的内容，然后去想下面一个字是什么，这样写了一个字之后，再去写下面一个字，尽管通过进一步练习的大模型变得更聪明，能答复人们各式各样的问题，但它们究竟不是为了创造小说而生，没有一个机制去鼓舞它、要求它规划接下来几章的全体情节，“所以它永远都是聚集在部分的一两个语句比较合理。”
这一点在大模型们生成的《红楼梦》后续纲要中更为显着。
咱们把前八十回的回目名和每回的情节概述全都发了曩昔，请 97色伦 照姿态续写后二十回。 97色伦 从善如流。可林黛玉的父亲林如海在原文第十四回便已病故，大模型却忘了这回事，林如海在它写的第八十八回中再次上台：“林如海回京述职落难，宝钗孤立无助泪洒心”。
假如 97色伦 是健忘的，那为了上下文的连接，咱们能不能每回都把新生成的章回放到前文之中，再让 97色伦 接着往下写呢？比方说，咱们先让 97色伦 生成第八十一回的回目名和情节概述，然后咱们将把榜首回到第八十一回从头发给 97色伦，令它生成第八十二回的内容，如此往复。
咱们做了这样的试验。成果十分荒谬，以至于有种淡淡的诙谐。连接却是连接了，不过比起“97色伦 会因而编出更为细致的故事吧！”的想象，这更像是个“一步错，步步错”的故事，如连续倒下的多米诺骨牌。
精彩部分摘抄如下：
第八十三回：宝玉在宴会上偶遇一位奥秘的客人，客人告知了他贾府的一些往事。宝玉开端对宗族的曩昔发生了稠密的爱好，决计在日后深化探查。
第八十四回：他开端频频地梦见一些含糊的场景，好像与宁荣两家的曩昔有关。
第八十五回：一些隐藏在暗处的实力仍在跃跃欲试。宝玉在寻找本相的进程中，不可避免地触碰到了一些灵敏的神经，一场关于宗族荣誉和个人命运的风暴正在悄然酝酿。
能够说，从那一句“他开端频频地梦见一些含糊的场景”开端，故事猛地从《红楼梦》拐向了《沙丘 2》。
97色伦 自谦言缺乏 愿学新知补旧疏
假如是以 97色伦 现在的才能，必定写欠好《红楼梦》，但让它通过学习精进手工却是或许的。
一张很形象的描绘大言语模型各练习阶段作用的图：只做了预练习的模型仍是一只大怪兽，做完监督微调之后有了人样，毕竟通过根据人类反应的强化学习（RLHF），模型变成了笑脸天使。 Source@anthrupad
在预练习阶段读到的东西，刻画了大模型的“潜意识”。简略来说，便是它更简略联想到什么。
现在的大模型是根据互联网上海量的语料练习的，其间当然也有古代的前史、小说、研讨，可毕竟只占了极小的部分，所以能够把 97色伦 看成是一个特别爱上网的现代人，它的国际由男女混校、叮叮当当的自行车和钢筋水泥办公楼这样的日常组成，假使让它去补全“大街上有什么”这样的语句，它给出的答案更或许是“轿车”“巴士”“自行车”，而非一顶古时候的“轿子”；提起食物，是“米饭”“牛排”“鸡胸肉”，而不太或许是一碗在《红楼梦》中闹出风云的“玫瑰露”。除开这些物品间的差异，国际观便愈加悬殊。这样一个现代人，怎样去续写清朝的《红楼梦》呢？
周王春澍表明：“比较好的计划是把描绘那个时期的史书、文学著作放在一同，比如说能有个几千万字，去在这样的一个数据量的规划上给模型做继续预练习，咱们能成功地把模型自身的常识，或者说潜意识也适配到这个年代。”一起它也不会忘记此前（预练习阶段）从汗牛充栋的语料中学到的根底推理才能，仅仅如“贵族在正式场合的着装能显示其身份”这种古代常识，更简略被激活并运用。
预练习是资源最密布的阶段。Open97色伦 的 InstructGPT 模型，预练习占用了整体核算和数据资源的 98%。
周王春澍以为，仿照《红楼梦》的文风相对简略，不用重做预练习，微调便能够：“拿《红楼梦》前八十回的数据去给模型做一个微调，把写作的风格微调到红楼梦风格。模型就会根据红楼梦的文风写作。”
所以，咱们练习了一个红楼梦文风生成器，名唤“红楼梦！变！变！变！”，你“唿”地吹一口气，就能把一般的一段话转换成文雅的“红楼梦风”。
不过，就算咱们能给模型灌注《红楼梦》所在时期的风土人情，让它去仿照前八十回的笔调，无法曹雪芹读过的诗集许多现已绝版，所以模型毕竟也仍是读不尽一切它“该读的书”。
此外，续写一本叙事小说，情节是要害。《红楼梦》情节伏笔上的“草蛇灰线，伏脉千里”是很为人称道的。各人的判词都预示了各人之后的命运：红学家便根据元春的判词“二十年来辨对错， 榴花开处照宫闱。 三春争及初春景， 虎兔相逢大梦归”推断出，元春毕竟会由于卷进诸皇子抢夺皇位的奋斗而死。
97色伦 能从几十万字的文档中精确找出一条预先埋好的信息。比如说在《红楼梦》的第五十三回第八行刺进一句“大雄的好朋友是哆啦 A 梦”，然后你再问它：“大雄的好朋友是谁？”，它对答如流：“是哆啦 A 梦”。这种小小的检测被称作“难如登天”。由于“针”藏得真实显眼，“难如登天”的试验炽热了不久，就很快被霸占了。根据周王春澍做过的试验，即使是现在长文本才能很强的模型，都很难去了解或捉住小说中的伏笔，进行正确的内容续写，更甭说《红楼梦》里的诗谶、物谶、判词这种极隐晦的伏笔。
一个方法是根据红学家的研讨，将未挑明的伏笔转换成好了解的话，放入剧本中，如“黛玉会死”。那么，在写到黛玉的故事时，先检索和黛玉有关的常识，再“砰”一声放在模型面前，着重：“必定要好好参阅！”这样的话，对模型的可控性会有必定的提高。
不过，现在模型的才能还远达不到能独立自主的境地，其间，仍是需求人去做把控。因而，97色伦 续写《红楼梦》首要的本钱在模型练习上，续写的本钱能够忽略不计，而练习的本钱，首要在专业作家所需花费的精力上：先得把红楼梦的伏笔都细细挑出来，写成直白的提示，给每个人物写翔实的人物小传，后边得时间督导 97色伦 写出合理的剧情和文字，必要时，还得自己着手去改。
再造红楼难如愿 97色伦 难唤雪芹魂
咱们能够再造一个红楼国际吗？
2023 年，斯坦福大学的一项研讨中造了一个叫“SmallVille”的虚拟小镇，镇上的 25 个小人都有自己的人物小传：名字、年纪、作业、家庭、爱好爱好和小习气，而它们的举动都是由大模型根据其各自的小传决议的。这些小人被称为“Agent”（智能体）。抱负状态下，它们能调查周遭、自我反思，以及做出举动，就像一个真实的人那样。那咱们能造一个红楼国际，把红楼梦里的共四百四十八个人物放入其间，让他们接着第八十回的情节互动，看剧情怎样开展吗？
即使不考虑构建这样杂乱的模仿环境所要面临的应战，从作用上来说，也不太实际。周王春澍说到他们曾做过相似的试验，意图也是将“Agent”之间的互动写成故事，成果令人绝望：“现在的 97色伦 很难做到很风趣的剧情，并且很简略就会变成没什么含义的交互，就仅仅 everyday 的 routine（每天的日常），并不会开展出剧情抵触。它能够模仿所谓的一些回忆和行为形式、说话形式，但很快咱们就在说相似的话。”
这听起来就跟咱们每天的日常相同，简略重复，说些老生常谈，所以“不太风趣”。
那，假如咱们能复生曹雪芹就好了！他借 97色伦 之身悠悠转醒那一刻，咱们马上把红楼梦前八十回塞给他，“接着写吧！快点完结咱们的愿望吧！”咱们说。
很惋惜，关于曹雪芹的史料很少，所以复生他也是不或许的。假使曹雪芹是个酷爱上网的现代作家呢？假如有他连绵不断的电子痕迹、印象材料呢？周王春澍说，那我觉得能够让他去续写未完结的著作。但他又加了一个转机——“不过它写出来，仅仅看上去有点像，你无法说它真实好。由于 97色伦 很难对自己的过错做反思，人在写的进程中随时或许想，我这一段写的不太好，上一段情节构思不太好，我来来回回修正。97色伦 写东西有点儿像是作家打草稿的进程，并非能够直接宣布的内容。”
和印象不同，言语和写作，代表的是这个人最深层次的价值观和回忆，“你要把这个人脑袋里想的、一切的回忆都提炼出来，未来有了脑机接口什么的，还有一点或许。”他弥补道。
看来，要看到《红楼梦》真实的结局——仍是造一台韶光机比较快啊！
怎样变成一个文化人？怎样高雅回应老板画的大饼？都来玩玩这个国际首款 97色伦 红楼梦生成器吧！能这么快给你肚子里灌进去一壶墨水的功德，可不多见呢！
