对比多层感知机（MLP）的原因是来证明LSTM模型进行续写

MLP是一种前馈神经网络，它只能处理固定长度的输入，并且没有记忆能力。而LSTM则是一种循环神经网络，它能够处理可变长度的输入，并且具有记忆能力。这种记忆能力使得LSTM在处理自然语言等序列数据时表现更为优秀，因为自然语言中的上下文信息是非常重要的。

在续写任务中，输入的上下文信息对于生成连贯的文本是非常重要的。如果只使用MLP这样的前馈神经网络进行续写，那么生成的文本可能会显得不连贯，因为它没有考虑上下文信息。而LSTM则可以通过记忆单元来存储先前的状态信息，从而更好地利用上下文信息生成连贯的文本。

因此，与MLP相比，LSTM模型更适合用于续写任务，并且在该任务中表现更出色。