是的，大型语言模型（LLMs）可以生成小说和诗歌。LLMs 通过分析其训练数据中的文本模式，能够生成模仿人类风格、结构和主题的文本。例如，如果提示写一个神秘故事，LLM 可以生成一个包含嫌疑人、线索和结局的基本情节。类似地，当被要求创作一首诗时，它可以遵循押韵方案、韵律或自由诗风格。这些输出之所以通常类似于人类作品，是因为模型从海量的小说、短篇故事和诗歌数据集中学习。然而，这些输出的质量和连贯性在很大程度上取决于提示的详细程度和模型的训练数据。
尽管 LLMs 可以生成看似合理的小说或诗歌，但它们有明显的局限性。首先，它们缺乏真正的创造力或意图——它们是基于统计概率组合文本，而不是原创思考。例如，生成的诗歌可能使用带有情感色彩的词语，但未能传达连贯的主题或个人视角。类似地，短篇故事可能会引入一些感觉脱节或未充分发展的角色或情节。LLMs 在长期一致性方面也存在困难。在多章节故事中，角色行为可能不一致，或者关键细节可能会被遗忘。对于诗歌，比喻或象征等微妙元素可能显得生硬或陈词滥调。这些问题之所以出现，是因为 LLMs 是增量地生成文本，缺乏对作品结构或目的的整体理解。
尽管存在这些局限性，开发者可以有效地使用 LLMs 完成创意写作任务。例如，LLM 可以帮助构思科幻小说背景的想法，或者为作家草拟多种版本的俳句供其润色。ChatGPT 或 Llama 2 等开源模型使开发者能够构建生成草稿内容的应用程序，然后由人工进行编辑。在特定类型或作者（例如，莎士比亚十四行诗或黑色侦探故事）上对模型进行微调可以提高风格准确性。然而，人工干预仍然至关重要。构建诗歌创作应用程序的开发者可能会使用 LLM 生成初始诗句，但会加入过滤器以避免陈词滥调或无意义的短语。总之，LLMs 是小说和诗歌创作的有用助手，但其输出需要人工筛选和修改才能达到有意义的艺术品质。