使用结构化叙事提示的 GPT-4 生成生活事件叙事：一项验证研究

大型语言模型 (LLM) 在生成大量叙事方面发挥着关键作用，这有助于系统性地探索其以叙事形式传达生活事件的有效性。在本研究中，我们采用零样本结构化叙事提示，使用 OpenAI 的 GPT-4 生成了 24,000 个叙事。从该数据集中，我们手动分类了 2,880 个叙事，并评估了它们在传达出生、死亡、雇佣和解雇事件方面的有效性。值得注意的是，87.43% 的叙事充分传达了结构化提示的意图。为了自动识别有效和无效的叙事，我们在已分类的数据集上训练并验证了九个机器学习模型。利用这些模型，我们扩展了分析范围，以预测剩余 21,120 个叙事的分类。所有机器学习模型都擅长将有效叙事分类为有效，但在同时将无效叙事分类为无效方面遇到了挑战。我们的发现不仅推进了对 LLM 能力、局限性和有效性的研究，还为叙事生成和自然语言处理应用提供了实践见解。