SS-GEN：基于大语言模型的社交故事生成框架
计算与语言
2025-07-08 v3
摘要
自闭光谱障碍 (ASD) 的儿童常常误解社交情境，难以参与日常活动。社交故事传统上由心理学专家在严格约束下编写，但成本高昂且多样性有限。随着大语言模型 (LLM) 的发展，开发更自动化、可负担且可获取的方法，以实时生成覆盖面广的社交故事，已成为可能。然而，使 LLM 适应社交故事的独特且严格约束是一个具有挑战性的任务。为此，我们提出了 SS-GEN，即基于 LLM 的社交故事生成框架。首先，我们开发了名为 StarSow 的约束驱动的精细化策略，通过层次化提示 LLM 实现大规模社交故事生成，随后进行严格的人类筛选以构建高质量数据集。此外，我们引入了质量评估标准来评估这些生成故事的效果。鉴于强大的闭源大型模型需要复杂的指令且 API费用高昂，我们最终在我们筛选后的高质量数据集上微调较小的语言模型，在较低成本下以更简单的指令和部署方式实现了相当好的效果。本工作标志着利用人工智能以成本效益的方式为自闭谱系儿童大规模个性化社交故事的关键一步， 我们希望能够鼓励未来针对特殊人群的研究。
引用
@article{arxiv.2406.15695,
title = {SS-GEN: A Social Story Generation Framework with Large Language Models},
author = {Yi Feng and Mingyang Song and Jiaqi Wang and Zhuang Chen and Guanqun Bi and Minlie Huang and Liping Jing and Jian Yu},
journal= {arXiv preprint arXiv:2406.15695},
year = {2025}
}
备注
AAAI 2025 (Oral)