narratology

新框架分析 LLM 预训练数据中的叙事结构 · 跟踪 4 个来源

研究人员开发了一个新框架和模型 NarraBERT，用于分析大型语言模型 (LLM) 预训练数据中的叙事结构。该研究将此框架应用于 3 万亿 token 的 Dolma 语料库，创建了一个名为 NarraDolma 的新数据集。研究结果表明，叙事质量在各种数据来源和主题中分布不均，这表明当前的语料库构建实践并未考虑到这些细微差别。发布的框架、数据集和模型旨在为理解叙事数据组成及其对 LLM 推理的影响奠定基础。