COIG-Writer：一个高质量的中文创意写作数据集，包含思维过程

大型语言模型在创意写作方面存在系统性缺陷，特别是在训练数据稀缺且缺乏过程级监督的非英语语境中。我们提出了 COIG-Writer，一个新颖的中文创意写作数据集，它通过对高质量文本进行系统性逆向工程，捕捉了多样化的输出及其潜在的思考过程。与提供仅输入-输出对的现有数据集不同，COIG-Writer 包含 1665 个精心策划的三元组，涵盖 51 种体裁，每个三元组包含：（1）一个逆向工程的提示；（2）详细的创意推理，记录决策过程；（3）最终的文本。通过全面的实验，我们确定了创意写作的一个两部分模型：叙事逻辑（由过程监督提供）和语言表达（由通用数据维持）。我们的发现揭示了三个关键见解：（1）过程监督非常有效，但需要用通用数据进行稳定。为了获得最佳性能，需要至少一比十二的创意样本与通用样本的比例；低于此阈值，胜率会逐渐下降（从 62.75% 下降到 35.78%）。（2）创意能力是文化限制的，没有跨语言转移（中文和英文性能之间存在 89.26pp 的差距）。（3）词汇多样性与创意质量成反比（TTR 悖论），这表明高多样性信号表明在逻辑缺陷方面的补偿行为。这些发现表明，卓越的创造力源于逻辑框架和语言基础之间的相互作用，这类似于数学推理如何增强但不能取代基础模型中的语言能力。