Why AI Can't Write Serious Literature: Taste Variance vs Artistic Intent
9 月 22 日，phl43 与 teortaxesTex 就「AI 为何至今写不出高质量文学小说」展开讨论：是后训练未将此类任务列为优先级，还是存在更深层的结构性障碍。
已确认
- phl43 提出问题并给出猜测：人类文学品味方差太大，可能使 RL 难以优化；他明确不信「AI 缺乏人类天才所以搞不出成功艺术」的说法。
- teortaxesTex 指出针对性尝试确实有人做过，但并非优先级，且任务本身极难：文学写作缺乏 ground truth，不像编程有测试、计算可即时验证、Lean 可形式化，在线打分只能靠语言模型当裁判，可靠性存疑。
- teortaxesTex 观察到结构化训练信号能泛化：代码语料预训练让模型几乎所有任务变强；R1 在数学与代码上做 RL 后写作水平远超 V3。
- 由此他得出核心论点：症结不在「风格」——模型是优秀的风格模仿者，甚至能写出 kitsch——而是缺乏艺术意图。
- phl43 补充：即便最新模型在深度概念性问题上仍不完美，表现也远好于文学写作；在其他目标上做 RL 能带来一定泛化收益，但对文学创作做类似 RL 既更困难也更昂贵。
为什么重要
- 这场对话把「AI 写不好文学」从玄学归因（缺天才、缺灵魂）拉回可讨论的机制层面：奖励信号缺失与品味方差大导致优化目标难以定义。
- 「文风不吃智商、但艺术意图缺失」的区分，为理解 LLM 能力边界提供了框架：可模仿的部分已被 RL 泛化覆盖，不可模仿的部分（意图、审美判断）仍是瓶颈。
- 实操共识（rubric、范例、分步引导）也与两人在 agent 可靠性上的经验一致，对实际使用 AI 创作者有直接参考价值。
2026-09-22 ~ 2026-09-22 · 6 related posts
Primary sources
- [source] Why Is AI Still Bad at Literary Fiction? Taste Variance May Defeat RL — phl43 · 2026-09-22
- [source] Why RL Struggles With Fiction: No Ground Truth, Unlike Code, Math and Lean — teortaxesTex · 2026-09-22
- Making AI Agents Work: Rubrics, Examples, and Step-by-Step Bootstrapping — teortaxesTex · 2026-09-22
- Why RL generalizes to reasoning but not literary writing, per AI researchers — phl43 · 2026-09-22
- Logic Training Generalizes Reasoning, But Style Doesn't Seem g-Loaded — teortaxesTex · 2026-09-22
- [source] LLMs lack artistic intent, and writing may resist outcome-based RL — teortaxesTex · 2026-09-22