基于GPT-2和蒙特卡洛树搜索的食谱生成
计算与语言
2024-01-11 v1 人工智能
摘要
自动食物食谱生成方法为厨师探索和创造新颖有趣的烹饪佳肴提供了创意工具。鉴于近期大型语言模型（LLMs）的成功，它们有潜力创造出能满足个人偏好、饮食限制并适应冰箱现有食材的新食谱。现有关于使用LLMs生成食谱的研究表明，LLMs可以通过微调生成听起来逼真的食谱。然而，仔细检查会发现，这些生成的食谱往往无法满足基本要求，例如在鸡肉菜肴中包含鸡肉作为食材。在本文中，我们提出了RecipeMC，这是一种使用GPT-2并依赖蒙特卡洛树搜索（MCTS）的文本生成方法。RecipeMC允许我们定义奖励函数，对文本生成施加软约束，从而提高生成食谱的可信度。我们的结果表明，与真实食谱相比，人类评估者更偏好使用RecipeMC生成的食谱，而非其他基线方法生成的食谱。
引用
@article{arxiv.2401.05199,
title = {Monte Carlo Tree Search for Recipe Generation using GPT-2},
author = {Karan Taneja and Richard Segal and Richard Goodwin},
journal= {arXiv preprint arXiv:2401.05199},
year = {2024}
}
备注
10 pages, 1 figure, ICCC 2023