流体 Transformer 与创造性类比：探索大语言模型增强跨域类比创造力的能力
计算与语言
2023-06-05 v2 人工智能
摘要
跨域类比推理是一种核心的创造能力，对人类而言可能具有挑战性。近期工作已展示大语言模型（LLM）生成跨域类比的一些概念验证。然而，这种能力用于增强人类创造性工作的可靠性与潜在效用鲜有系统性探索。在本文中，我们系统性地探索 LLM 增强跨域类比推理的能力。在三项研究中，我们发现：1）在问题重构任务语境中，LLM 生成的跨域类比频繁被判定为有帮助（有用性评分中位数 4/5），且频繁（约 80% 的案例）导致问题表述的可观察变化；2）有最高 25% 的输出被评级为潜在有害，其中多数源于潜在令人不安的内容，而非偏见或有毒内容。这些结果展示了 LLM 用于增强跨域类比创造力的潜在效用与风险。
引用
@article{arxiv.2302.12832,
title = {Fluid Transformers and Creative Analogies: Exploring Large Language Models' Capacity for Augmenting Cross-Domain Analogical Creativity},
author = {Zijian Ding and Arvind Srinivasan and Stephen MacNeil and Joel Chan},
journal= {arXiv preprint arXiv:2302.12832},
year = {2023}
}