A Confederacy of Models: a Comprehensive Evaluation of LLMs on Creative Writing

要約

私たちは、想像力、一貫性、スタイルを必要とする挑戦的で複雑なタスクである英語のクリエイティブ ライティングに関する最近の LLM を評価します。
私たちは、トレーニング データの再利用を避けるために選択された、困難で無制限のシナリオを使用します。これは、ピューリッツァー賞を受賞した小説『劣等生の連合』 (1980 年) の主人公であるイグナティウス J. ライリーとテロダクティルとの間の一騎打ちの壮大なナレーションです。
先史時代の空を飛ぶ爬虫類。
私たちは数人の LLM と人間にそのようなストーリーを書いてもらい、流暢さ、一貫性、独創性、ユーモア、スタイルなどのさまざまな基準を含む人間評価を実施します。
私たちの結果は、一部の最先端の商用 LLM が、ほとんどの点で当社のライターと同等かわずかに優れていることを示しています。
一方、オープンソース LLM は遅れています。
人間は創造性において優位性を保っていますが、ユーモアに関しては、人間と同等にそれを処理できるLLMと、それに失敗するLLMとの間の二項対立を示しています。
私たちの研究の意味と限界について議論し、今後の研究の方向性を提案します。

要約(オリジナル)

We evaluate a range of recent LLMs on English creative writing, a challenging and complex task that requires imagination, coherence, and style. We use a difficult, open-ended scenario chosen to avoid training data reuse: an epic narration of a single combat between Ignatius J. Reilly, the protagonist of the Pulitzer Prize-winning novel A Confederacy of Dunces (1980), and a pterodactyl, a prehistoric flying reptile. We ask several LLMs and humans to write such a story and conduct a human evalution involving various criteria such as fluency, coherence, originality, humor, and style. Our results show that some state-of-the-art commercial LLMs match or slightly outperform our writers in most dimensions; whereas open-source LLMs lag behind. Humans retain an edge in creativity, while humor shows a binary divide between LLMs that can handle it comparably to humans and those that fail at it. We discuss the implications and limitations of our study and suggest directions for future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google