PulseAugur
实时 09:52:27
English(EN) Scaling Creative Writing Beyond Story-Centric Data with Attribute-Guided Genre Expansion

新框架将大型语言模型的创意写作从故事扩展到多样化体裁

研究人员开发了一个新框架,用于将大型语言模型的创意写作数据扩展到传统故事格式之外。这种属性引导的体裁扩展方法将主题内容与特定体裁的惯例分开,使模型能够生成说唱歌词、剧本和游戏设计等多样化的创意输出。他们构建了一个包含 50,000 个示例的语料库,称为多体裁合集(Multi-Genre Collection),涵盖 13 种创意体裁。实验表明,在该数据上训练的模型在各种写作基准测试中的表现优于现有的写作语料库和基线,突显了受控体裁扩展对于强大的创意写作能力的重要性。 AI

影响 增强了大型语言模型在各种创意写作任务中的能力,可能带来更多样化的 AI 生成内容。

排序理由 详细介绍大型语言模型训练新框架和数据集的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架将大型语言模型的创意写作从故事扩展到多样化体裁

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Hwan Chang, Yongil Kim, Heuiyeen Yeen, Yireun Kim, Jinsik Lee, Hwanhee Lee ·

    利用属性引导的体裁扩展,实现超越故事中心数据的创意写作规模化

    arXiv:2608.13947v1 Announce Type: new Abstract: High-quality creative writing data for large language models (LLMs) remains dominated by story-centric data, limiting models' ability to follow the structural and functional conventions of diverse creative formats. We propose an att…