Steering Large Language Models with Register Analysis for Arbitrary Style Transfer

要約

大規模な言語モデル（LLMS）は、さまざまなスタイルにわたってテキストを書き換えることに強い能力を実証しています。
ただし、特定の模範のスタイルと一致するように入力テキストが書き換えられたたとえば、この能力を実質的に活用して、任意のスタイル転送は、未解決の課題のままです。
重要な質問は、高品質の書き換えにLLMを導くために模範のスタイルを説明する方法です。
この作業では、このタスクを実行するためにLLMSをガイドするためのレジスタ分析に基づくプロンプトメソッドを提案します。
複数のスタイルの転送タスクにわたる経験的評価は、私たちのプロンプトアプローチがスタイルの転送強度を高める一方で、既存のプロンプト戦略よりも効果的に意味を維持することを示しています。

要約(オリジナル)

Large Language Models (LLMs) have demonstrated strong capabilities in rewriting text across various styles. However, effectively leveraging this ability for example-based arbitrary style transfer, where an input text is rewritten to match the style of a given exemplar, remains an open challenge. A key question is how to describe the style of the exemplar to guide LLMs toward high-quality rewrites. In this work, we propose a prompting method based on register analysis to guide LLMs to perform this task. Empirical evaluations across multiple style transfer tasks show that our prompting approach enhances style transfer strength while preserving meaning more effectively than existing prompting strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google