研究人员开发了一个新的基准测试,用于评估大型语言模型生成非线性叙事的能力,即故事中事件的顺序与这些事件的实际发生顺序不同。该基准测试包含83部已出版的作品,并标注了事件顺序、因果关系和角色知识。测试结果显示,19个语言模型倾向于比原作更按时间顺序讲故事,而人类读者发现模型生成的乱序故事更难理解。 AI
影响 这项研究突显了大型语言模型在理解和生成复杂叙事结构方面的现有局限性,表明需要进一步开发以实现更复杂的讲故事能力。
排序理由 该集群包含一篇详细介绍评估大型语言模型能力的新基准测试的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →