A Large Language Model-based Computational Approach to Improve Identity-Related Write-Ups

要約

自分のアイデンティティや個人的な経験についての文章など、文章を作成することは現代の生活にとって不可欠です。
しかし、執筆は多くの場合、中心的なアイデアを組み立てるのに多大な努力を必要とする難しい作業であり、中心的なアイデアを伝えるためのアプローチ（例え話、比喩、その他の可能な手段を使用するなど）、必要なプレゼンテーションの構造、および実際の口頭表現を必要とします。
大規模言語モデルは、機械学習において最近登場したアプローチであり、労力を軽減し、書かれた製品の品質を向上させるのに大きな助けとなります。
この論文では、大規模言語モデルへの入力として与えられるプロンプトを探索するための新しい計算アプローチを提案します。このプロンプトは、検討中の文書を改善するための手がかりを生成できます。
この論文では、記事の改善に関する 2 つのケーススタディ (1 つはアナロジーに基づいたもの、もう 1 つは比喩に基づいたもの) も紹介されています。

要約(オリジナル)

Creating written products is essential to modern life, including writings about one’s identity and personal experiences. However, writing is often a difficult activity that requires extensive effort to frame the central ideas, the pursued approach to communicate the central ideas, e.g., using analogies, metaphors, or other possible means, the needed presentation structure, and the actual verbal expression. Large Language Models, a recently emerged approach in Machine Learning, can offer a significant help in reducing the effort and improving the quality of written products. This paper proposes a new computational approach to explore prompts that given as inputs to a Large Language Models can generate cues to improve the considered written products. Two case studies on improving write-ups, one based on an analogy and one on a metaphor, are also presented in the paper.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google