利用大语言模型分析诺贝尔文学奖作品
计算与语言
2024-12-04 v2 人工智能
摘要
本研究考察了先进的大语言模型（LLM），特别是o1模型，在文学分析语境中的能力。这些模型的输出直接与研究生水平的人类参与者产生的输出进行比较。通过聚焦于两部诺贝尔奖获奖短篇小说——2024年获奖者韩江的《九章》和2023年获奖者约恩·福瑟的《友谊》——本研究探讨了人工智能在多大程度上能够处理复杂的文学元素，如主题分析、互文性、文化和历史背景、语言和结构创新以及人物塑造。鉴于诺贝尔奖的声望及其对文化、历史和语言丰富性的强调，将LLM应用于这些作品有助于更深入地理解人类和人工智能在解读方面的不同方法。本研究使用定性和定量评估，从连贯性、创造性和对文本的忠实度等方面，揭示了人工智能在通常由人类专家完成的任务中的优势和局限性。虽然LLM表现出强大的分析能力，特别是在结构化任务中，但它们在情感细微差别和连贯性方面往往存在不足，而这正是人类解读的擅长之处。这项研究强调了人机协作在人文学科中的潜力，为文学研究及其他领域开辟了新的机遇。
引用
@article{arxiv.2410.18142,
title = {Analyzing Nobel Prize Literature with Large Language Models},
author = {Zhenyuan Yang and Zhengliang Liu and Jing Zhang and Cen Lu and Jiaxin Tai and Tianyang Zhong and Yiwei Li and Siyan Zhao and Teng Yao and Qing Liu and Jinlin Yang and Qixin Liu and Zhaowei Li and Kexin Wang and Longjun Ma and Dajiang Zhu and Yudan Ren and Bao Ge and Wei Zhang and Ning Qiang and Tuo Zhang and Tianming Liu},
journal= {arXiv preprint arXiv:2410.18142},
year = {2024}
}