MirrorStories：利用大语言模型通过个性化叙事生成反映多样性
计算与语言
2024-09-25 v2 人工智能
计算机与社会
摘要
本研究探讨了大型语言模型（LLMs）在创建个性化“镜像故事”方面的有效性，这些故事能够反映并与读者个体的身份产生共鸣，从而解决文学作品中严重缺乏多样性的问题。我们提出了 MirrorStories，这是一个包含 1500 个个性化短篇故事的语料库，通过整合姓名、性别、年龄、种族、读者兴趣和故事寓意等元素生成。我们证明，LLMs 能够有效地将多样的身份元素融入叙事中，人类评估者能够以高准确率识别出故事中的个性化元素。通过一项涉及 26 名多样化人类评估者的综合评估，我们比较了 MirrorStories 与通用叙事的有效性。我们发现，个性化的 LLM 生成故事不仅在所有参与度指标上均优于通用的人类撰写和 LLM 生成故事（在 5 分制量表上的平均评分分别为 4.22 和 3.37），而且在保持预期寓意的同时实现了更高的文本多样性。我们还提供了包括偏见评估以及将图像整合到个性化故事中的潜力研究在内的分析。
引用
@article{arxiv.2409.13935,
title = {MirrorStories: Reflecting Diversity through Personalized Narrative Generation with Large Language Models},
author = {Sarfaroz Yunusov and Hamza Sidat and Ali Emami},
journal= {arXiv preprint arXiv:2409.13935},
year = {2024}
}
备注
5 pages (excluding references), accepted to EMNLP 2024 Main Conference