本研究提出MarkerGen方法，旨在改善大型语言模型在文本长度可控生成方面的不足。通过底层分解和增强子能力，MarkerGen集成外部工具并动态插入标记，显著提升文本生成的一致性与质量，实验结果显示其在长度控制能力上有显著改善。