Re3：通过递归重提示与修订生成长故事
计算与语言
2022-10-25 v3 人工智能
摘要
我们考虑自动生成长达两千词以上故事的问题。与先前较短故事的工作相比，长程情节连贯性与相关性在此是更核心的挑战。我们提出递归重提示与修订框架（Re3）以应对这些挑战：(a) 提示通用语言模型构建结构化的总体计划；(b) 通过反复将来自计划和当前故事状态的上下文信息注入语言模型提示来生成故事段落。然后我们通过 (c) 对不同的续写就情节连贯性和前提相关性重排序，以及最后 (d) 编辑最佳续写以保证事实一致性来进行修订。与由同一基础模型直接生成的相似长度故事相比，人类评估者判定 Re3 的故事中具有连贯总体情节的比例显著更高（绝对提升 14%），且与给定初始前提相关的比例更高（绝对提升 20%）。
引用
@article{arxiv.2210.06774,
title = {Re3: Generating Longer Stories With Recursive Reprompting and Revision},
author = {Kevin Yang and Yuandong Tian and Nanyun Peng and Dan Klein},
journal= {arXiv preprint arXiv:2210.06774},
year = {2022}
}
备注
EMNLP 2022