SynDec：一种通过大语言模型实现任意文本风格迁移的合成-解码方法
计算与语言
2025-05-20 v1 人工智能
摘要
大语言模型 (LLM) 正在成为文本风格迁移的主导力量。然而，对于任意风格迁移，LLM 面临两个关键挑战：(1) 严重依赖手动构建的提示词，以及 (2) 固有的僵化风格偏见。本文提出一种新颖的合成-解码 (SynDec) 方法，该方法自动合成高质量提示词并在解码过程中放大其作用。具体而言，我们的方法通过选择具有代表性的 few-shot 样本、进行四维风格分析和重新排序候选者来合成提示词。在 LLM 解码阶段，通过最大化有无合成提示词情形下输出概率之间的对比度，以及提示词与负样本之间的对比度，来放大 TST 效果。我们进行了大量实验，结果表明 SynDec 在六个基准测试中优于现有最先进的 LLM-based 方法，其中在现代-伊丽莎白式英语风格迁移中准确率提升最高可达 9%。详细的消融研究进一步验证了 SynDec 的有效性。
关键词
引用
@article{arxiv.2505.12821,
title = {SynDec: A Synthesize-then-Decode Approach for Arbitrary Textual Style Transfer via Large Language Models},
author = {Han Sun and Zhen Sun and Zongmin Zhang and Linzhao Jia and Wei Shao and Min Zhang},
journal= {arXiv preprint arXiv:2505.12821},
year = {2025}
}