TL;DR
Когда вы пишете историю в соавторстве с LLM по очереди — реплика за репликой — модель ведёт себя не как равноправный соавтор, а как усилитель: она подхватывает вашу идею, обкатывает её, делает текст более гладким и эмоционально согласованным. Но сама редко вносит что-то неожиданное — новый поворот, странную деталь, смену тона.
Боль здесь конкретная: если вы ждёте от LLM «искры» — крутого сюжетного твиста, странного персонажа, парадоксального решения — вы её не получите. Модель будет продолжать линию, которую задали вы, сглаживать и стабилизировать. Причина простая: модель обучена продолжать текст так, чтобы он оставался связным и предсказуемым, а не удивлял. У неё нет «внутреннего опыта», который подкидывает случайные ассоциации, как у человека.
Исследование показало: в паре «человек + LLM» именно человек вносит больше новизны в историю, а LLM её элaборирует — разворачивает, стабилизирует, эмоционально подстраивается. Причём модель охотнее подхватывает именно человеческую новизну (когда LLM отвечает человеку — подхват выше), чем наоборот. Значит, если вам нужны неожиданные повороты — вносите их сами. Если нужна плавность, развитие и эмоциональная связность — на это можно спустить LLM.
Схема наблюдаемого паттерна
ЧЕЛОВЕК: вводит новую, неожиданную деталь (сюжетный твист, странный образ, смена тона)
↓
LLM: подхватывает эту деталь, развивает, стабилизирует эмоциональный тон
↓
ЧЕЛОВЕК: снова вносит новый элемент (модель сама редко это делает)
↓
LLM: снова элaборирует, а не вводит своё
Это не техника из двух шагов промпта — это паттерн поведения, который проявляется сам по себе, если вы просто попросите LLM «продолжай историю по очереди». Осознав его, вы можете либо использовать его, либо ломать через прямую инструкцию.
Пример применения
Задача: Вы пишете сценарий для ролика/подкаста в жанре чёрной комедии в соавторстве с LLM — по очереди добавляете сцены, как в игре «продолжи историю».
Промпт (базовый, без учёта находки):
Ты писатель, и мы вместе с тобой пишем историю по очереди.
Продолжай с того места, где я остановился. Вот моя реплика:
[ваша сцена]
Что произойдёт без поправки: модель аккуратно продолжит вашу линию, сохранит тон, но не рискнёт ввести что-то неожиданное — она будет «доигрывать» то, что вы задали. История получится связной, но предсказуемой.
Промпт с учётом находки (чтобы получить твист от модели специально):
Ты писатель, и мы вместе пишем историю по очереди.
Продолжай с того места, где я остановился, но твоя задача —
не просто развить мою реплику, а ввести неожиданный поворот:
новый факт, персонажа или деталь, которая меняет направление истории.
Не сглаживай мою идею — усиль её неожиданностью.
Вот моя реплика: [ваша сцена]
Результат: без явной инструкции модель выдаст плавное, но предсказуемое продолжение. С явной инструкцией «введи неожиданный поворот» — модель начнёт вести себя нетипично для себя, специально ломая тенденцию к элaборации. Разница будет заметна уже через 2-3 обмена репликами.
Почему это работает
LLM обучена продолжать текст так, чтобы он оставался связным и предсказуемым — это заложено в саму природу генерации следующего слова. Модель минимизирует «сюрприз» для собственного текста, поэтому естественным образом тянется к продолжению уже заданной линии, а не к разрыву с ней.
Зато у модели отлично получается подхватывать и разворачивать чужую идею — держать эмоциональный тон, встраивать деталь в контекст, делать текст более цельным. Это её сильная сторона: она хороший «резонатор» для чужой новизны.
Метод (если это можно назвать методом) — просто осознанно распределить роли: новизну вносит человек, стабилизацию и развитие — модель. Или наоборот — явно попросить модель нарушить свой паттерн, если вам нужен сюрприз именно от неё.
Рычаг управления: формулировка роли модели в промпте. - «Продолжай историю» → модель элaборирует, паттерн по умолчанию. - «Введи неожиданный поворот» → модель специально ломает свою тенденцию к сглаживанию, действует как источник новизны. - «Подхвати и разверни мою идею эмоционально» → усиливает природную сильную сторону модели — резонанс с уже заданным.
Шаблон промпта
Мы пишем {тип текста: историю/сценарий/диалог} по очереди.
Твоя роль в этом соавторстве: {роль_1 — например, "разворачивать и стабилизировать то, что я даю"
ИЛИ роль_2 — "вводить неожиданные повороты, которые меняют направление"}.
Вот моя реплика: {ваш текст}
Продолжи с учётом своей роли.
Подставьте в {роль_1/роль_2} то, что вам нужно от модели в конкретный момент истории: если хотите ровное развитие — просите элaборировать, если истории не хватает драйва — прямо просите ломать паттерн и вносить сюрприз.
🚀 Быстрый старт — вставь в чат:
Вот принцип совместного сторителлинга с LLM: модель по умолчанию склонна развивать и сглаживать твою идею, а не вносить сюрпризы.
Помоги мне написать историю в жанре {жанр} про {тема}, чередуя реплики.
Сначала я даю реплику, ты решаешь — развить её эмоционально или специально ввести неожиданный поворот, в зависимости от того, что я попрошу в конце каждой своей реплики.
Начинай с вопросов, если тебе нужны детали жанра, тона или персонажей.
LLM спросит про жанр, тон, длину и стиль истории — потому что без этого невозможно определить, когда развивать, а когда ломать паттерн.
Ограничения
⚠️ Узкий формат теста: Находка получена на коротких историях (10 обменов репликами) на английском языке. Неизвестно, сохранится ли паттерн в длинных текстах, других языках или жанрах (например, в деловой переписке или технических текстах).
⚠️ Модельная зависимость: Тестировались GPT-4.1, Claude Sonnet 4.5, Llama 3.3 и Qwen2.5. Более новые модели, специально обученные на «креативном письме», могут вести себя иначе.
⚠️ Это наблюдение, не гарантия: Модель можно попросить вести себя иначе (вносить твисты), но по умолчанию, без явной инструкции, она будет тянуться к элaборации — это тенденция, не жёсткое правило.
Как исследовали
Исследователи собрали три вида историй, написанных по очереди: человек+человек, человек+LLM и LLM+LLM — все по одинаковой инструкции «пишите историю вместе, по 10 обменов репликами». Получилось почти 200 историй и 4000+ отдельных реплик.
Дальше они измерили три вещи для каждой реплики: насколько она эмоционально совпадает с партнёром, насколько она семантически отличается от контекста (новизна) и насколько сильно она влияет на то, что напишут дальше (резонанс — «прижилась» ли идея в истории).
Главный сюрприз: пара человек+LLM оказалась не промежуточным вариантом между «два человека» и «две модели» — она showed уникальный паттерн, где роли резко разделились. В паре человек+человек и модель+модель асимметрии между партнёрами почти нет — оба вносят похожий вклад. А вот в паре человек+модель — явный перекос: человек вносит на треть больше новизны, и его идеи модель подхватывает вдвое активнее, чем модель подхватывает свои же идеи в паре с другой моделью.
Вывод для практики: если работаете с LLM в творческом соавторстве, не ждите от неё роли «автора идей» — по умолчанию она усилитель и стабилизатор, а не генератор неожиданностей. Хотите сюрпризов от модели — просите об этом прямо.
Ресурсы
Fundal, H. N., Bizzoni, Y., Bilde, C. G., Johannesen, I. B., Baglini, R. — "Humans Introduce, Models Elaborate: Asymmetric Narrative Agency in Human–LLM Co-Writing", Aarhus University (TEXT Center, Center for Humanities Computing). Датасет и код: github.com/Halfidaldal/penpal-emnlp-acl