PulseAugur
中
实时 09:31:41

新框架分析用户在故事生成中的提示编辑

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新框架，用于分析用户在使用大型语言模型生成故事时如何迭代地编辑提示。该框架基于用户与聊天机器人对话的数据集，将编辑分为四种类型（添加、删除、更改、扩展），并针对情节和角色等十四个目标进行分类。该研究旨在更好地理解用户在探索叙事可能性时的行为，并提出利用这些见解改进故事生成基准测试。 AI

影响 为评估大型语言模型的故事生成能力和理解用户创意过程提供了一种新方法。

排序理由 该集群包含一篇研究论文，详细介绍了用于分析用户与大型语言模型在故事生成方面的交互的新框架。[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 →

新框架分析用户在故事生成中的提示编辑

本文如何被排名

Signal score
13 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇研究论文，详细介绍了用于分析用户与大型语言模型在故事生成方面的交互的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Advait Deshmukh, Nora Benedict, Melanie Walsh, Maria Antoniak ·

    分叉提示的花园：用户在故事生成中如何探索叙事空间

    arXiv:2609.14677v1 Announce Type: new Abstract: Large language models (LLMs) have changed the way people engage with stories. Drawing on public chatbot logs, we can see that when users generate stories, they iteratively edit their prompts to explore narrative possibilities, adjus…

相关实体

相关话题