这段时间做了一些 AI for 文学的尝试。由于缺少算力，只能先从字数比较少的诗歌开始。用到的是 qwen2.5-3b，首先想到的是去进行微调。我们用 llama factory 把诗歌数据集用 sharegpt 的形式来表示，进行带有名字和正文的训练，测试时通过给他题目让他去生成，并进行了 SFT 和强化学习后的训练。
数据采用 ShareGPT 格式：system 描述诗人风格，human 给出题目，gpt 输出诗句。海子数据集划分为 haizi_train（134 条训练集）、haizi_test（10 条测试集）、haizi_style（10 条风格模仿评测集）与 haizi_test_ref（BLEU/ROUGE-L 评估用纯文本参考），数据集发布在 Hugging Face，生成样本发布在 ChineseHardJudgePoem。
我在小红书分享了项目。第一个帖子有一些流量，但绝大多数声音都是负面的，充满对 AI 写诗的怀疑与不信任，少部分声音表达了对模型的好奇与期待；第二个帖子用 qwen3.8-27b，生成的诗歌质量明显强于上一个版本，流量很少但几乎都是正面反馈。
随后我以余华的作品为切口开始进行小说的微调：把人物名 mask 成 a1/a2/a3 符号，避免模型只记住人名而没有学会人物的关系和模式；要求只用泛指人物、不直接抒情、用具体物件和动作呈现情感、短句优先、结尾克制，按 CoT 结构输出。
拿着生成完的文本咨询了很多人的意见，这给了我往后优化的方向：余华的风格存在明显的创作分期——先锋期语言冷硬、剥离抒情；现实/温情期朴素线性叙事、以隐忍克制的口吻承载苦难。仿写前要先明确锚定模仿的是哪一阶段。
另一个问题是核心意象要贯穿始终，而不是像一个标签；文风不能混杂，先锋式冷感和温情叙事交替出现会显得调性割裂；叙事要更克制，少直接交代人物心理，多用动作、场景暗示情绪。
基于这些经验，我认为 AI 参与到文学生产中会诞生一种新的文学：旧的文学读者往往通过讨论等方式间接地与作者互文，而 AI 出现后读者可以直接以作者为语料直接创作，同一原始文本会在读者的经验下生成更多衍生文本。在这个意义上，模型本身也变成了作者。
另一个重要的问题是，文学大模型能否发掘新的题目。人类书写的主题从古至今都是有限的，一切题目都有母题，或许母题也是可以被写尽的。旧秩序即将崩塌，新的经验开始了。