要約
大規模言語モデル (LLM) は執筆プロセスに大きな影響を与え、共同でコンテンツを作成できるようになり、生産性が向上しました。
ただし、高品質でユーザーに合わせたテキストを生成することは依然として困難です。
この論文では、明示的なアウトラインを使用して LLM が目標指向の高品質な文章を作成できるようにガイドするフレームワークであるライティング パスを提案します。
私たちのアプローチは、構造化された執筆計画と推論経路からインスピレーションを得ており、執筆プロセス全体を通じてユーザーの意図を捉えて反映することに重点を置いています。
私たちは、非構造化ブログ投稿から執筆パフォーマンスのベンチマークまで、多様なデータセットを構築し、アウトラインと生成されたテキストの品質を評価する包括的な評価フレームワークを導入します。
GPT-3.5-turbo、GPT-4、および HyperCLOVA X を使用した評価では、LLM と人間の評価の両方に従って、ライティング パスのアプローチによりテキストの品質が大幅に向上することが実証されました。
この研究は、ユーザーの多様なライティング ニーズを満たす能力を強化するために、ライティング固有のテクニックを LLM に統合する可能性を強調しています。
要約(オリジナル)
Large Language Models (LLMs) have significantly impacted the writing process, enabling collaborative content creation and enhancing productivity. However, generating high-quality, user-aligned text remains challenging. In this paper, we propose Writing Path, a framework that uses explicit outlines to guide LLMs in generating goal-oriented, high-quality pieces of writing. Our approach draws inspiration from structured writing planning and reasoning paths, focusing on capturing and reflecting user intentions throughout the writing process. We construct a diverse dataset from unstructured blog posts to benchmark writing performance and introduce a comprehensive evaluation framework assessing the quality of outlines and generated texts. Our evaluations with GPT-3.5-turbo, GPT-4, and HyperCLOVA X demonstrate that the Writing Path approach significantly enhances text quality according to both LLMs and human evaluations. This study highlights the potential of integrating writing-specific techniques into LLMs to enhance their ability to meet the diverse writing needs of users.
arxiv情報
著者 | Yukyung Lee,Soonwon Ka,Bokyung Son,Pilsung Kang,Jaewook Kang |
発行日 | 2024-04-22 06:57:43+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google