Jul, 2021

通过观察激发灵感：展示自动生成文本对创意写作的影响

PDF
TL;DR通过分析人类作者观察自动生成文本的例子如何影响写作，本文探讨了一种句子填充任务，研究了人类和基于神经语言模型的自动化系统在填写任务中的表现，并发现人类作者在观察生成的例子时能够写出更能激发读者兴趣的故事情节，证明了用观察启发的方式可以通过自然语言处理模型增强人机协作写作。
automated text generationsentence infillingneural language modelinspiration through observationhuman-computer collaborative writing
发现论文，激发创造
  • 建议列表与连续生成：基于生成模型的移动设备写作交互设计对文本长度、措辞和感知作者身份的影响

    本文探讨了人工智能在移动设备上写作的两种用户界面设计，通过一个被监督的在线研究得出，无论是使用连续生成文本的方式还是建议写作的方式人工智能在撰写过程中都会影响文本创作，但两种设计存在差异，需要在用户体验和用户输出方面做出不同的选择。

    Aug, 2022

  • 想象先行：引导式开放式文本生成

    本文提出了 iNLG，这是一种使用机器生成的图像来指导语言模型进行开放式文本生成的方法。实验和分析证明 iNLG 在打开式文本生成任务（包括文本完成、故事生成和概念到文本的生成）中的有效性，包括少量数据和全部数据情况。无论是自动计量还是人类评价，都验证了我们 iNLG 所生成的文本片段的连贯性和信息量，同时也显示出轻微的退化。

    Oct, 2022

  • 向用户传达预测未来：故事情节预测案例研究

    本文介绍一种基于 GPT-2 的系统，利用自动故事生成技术生成可靠的短篇小说情节，以协助作家构建一个一致且引人入胜的情节，实验表明，该系统产生的短篇小说情节在一致性和可故事性等方面优于其他模型，作者尝试了一种 story continuation 任务，以确定该系统如何影响创意写作的过程。

    Feb, 2023

  • 超越文本生成：通过持续的自动文本摘要支持写手

    本文提出了一个文本编辑器，使用自动文本摘要为用户提供不断更新的逐段摘要，以边缘注释的方式帮助用户规划、结构化和反思写作过程。通过两个用户研究，作者发现这个系统为用户提供了一个外部的视角来帮助他们修改段落的内容和范围，并且帮助用户快速了解文本的总体情况和开发一些集成自动摘要中得到的见解的策略。通过探究和强调设计 AI 工具以帮助写作的价值，这项工作突显了自然语言处理 (NLP) 能够超越直接的文本生成和纠正。

    Aug, 2022

  • 创意图片字幕的循环机器改写

    该研究旨在通过机器辅助写作使人类更有效地完成写作任务；研究者提出一种重写模型，允许用户在原始草稿的指定文本范围内引入局部描述性和比喻性元素，并评估模型在创意图像字幕任务上协作的能力。在与传统模型和用户单独完成任务的比较中，模型获得更高评价，并促使用户编写更具有描述性和比喻性的字幕。

    Nov, 2021

  • 数据到文本的生成与风格模仿

    研究了一种新的文体控制方法，使用现有的句子作为软模板，包括一种混合注意力 - 复制机制、弱监督学习及新的内容覆盖约束，结果表明该方法在餐馆和体育领域表现更好，在内容保真度和文体控制之间取得了较好的平衡。

    Jan, 2019

  • 自动人工智能互动文本生成

    本教程关注于文本生成，这是一类自然语言生成任务，它以一段文本作为输入，然后生成一篇按照某些特定标准（如可读性或语言风格）改进的修订版本，同时保留原版文本的大部分含义和长度。

    Oct, 2023

  • 创意数据生成：关注文本和诗歌的综述

    本文评估了创意数据生成的挑战和机遇，并重点关注了创造性写作和生成诗歌等任务。

    May, 2023

  • 借助 AI 写作助手进行创意写作：来自专业作家的观点

    本文研究了使用 AI 技术辅助创作的自然语言生成（NLG）模型，并邀请了 13 位专业作家来尝试使用 Wordcraft，这个内置 AI 辅助撰写工具的文本编辑器。结果显示 NLG 工具在创作过程的脑暴、描写细节、建立故事世界和研究文本方面具有很大的潜力。但由于 NLG 技术在保留风格、语调和理解故事内容等方面存在困难，因此建立一个合适的作家个性化 NLG 辅助工具是非常有挑战性的。

    Nov, 2022

  • 学习在任意书写风格中生成文本

    通过对比训练的表示捕捉风格特征，从而引导语言模型以目标风格生成文本，实现满足作者特定风格的生成，而不需要微调底层语言模型。

    Dec, 2023