大语言模型可像人类一样分割叙事事件
计算与语言
2023-01-26 v1 神经元与认知
摘要
人类在其连续体验中感知诸如“餐馆就餐”与“乘火车”之类的离散事件。研究人类事件感知的一个重要前提是研究者能够量化一个事件何时结束、另一个何时开始。通常，该信息通过汇总若干观察者的行为标注获得。在此我们提出一种替代的计算途径：使用大语言模型 GPT-3 而非人类标注来推导事件边界。我们证明 GPT-3 可将连续叙事文本分割为事件。GPT-3 标注的事件与人类事件标注显著相关。此外，这些 GPT 衍生的标注很好地近似了“共识”解（通过对人类标注取平均获得）；平均而言，GPT-3 确定的边界比单个人类标注者确定的边界更接近于共识。该发现表明 GPT-3 为自动化事件标注提供了可行方案，并展示了大语言模型中人类认知与预测之间的进一步相似性。未来，GPT-3 或可借此帮助阐明人类事件感知背后的原理。
引用
@article{arxiv.2301.10297,
title = {Large language models can segment narrative events similarly to humans},
author = {Sebastian Michelmann and Manoj Kumar and Kenneth A. Norman and Mariya Toneva},
journal= {arXiv preprint arXiv:2301.10297},
year = {2023}
}