ACLMay, 2023

STORYWARS：协作式故事理解和生成的数据集和指导调优基线

PDF
TL;DR介绍了一个新的 STORYWARS 数据集，由九千多名不同作者在线协作创作了超过 40,000 个协作故事，并在其中设计了 12 种任务类型，共 101 个不同的故事相关任务。此外，展示了针对这些任务的模型 INSTRUCTSTORY。模型通过 instruction tuning，发挥了优异的性能，同时在全监督、少样本和零样本场景中均有着出色表现。
collaborative storiesnlp modelsstorywars datasetmulti-task benchmarkinstruction-tuned model
发现论文，激发创造
  • STORIUM：一个面向机器循环故事生成的数据集和评估平台

    该论文介绍了一个由 STORIUM 构建的故事生成数据集和评估平台的细节，提供了具有细粒度自然语言注释和作者生成的 6K 个长度较长（125M 个标记）的故事，旨在帮助人们更好地了解故事生成，并通过整合到 STORIUM 进行评估，来提高模型的生成性能和可靠性。

    Oct, 2020

  • 常识零样本动作识别故事讲述

    通过引入包含丰富文本描述的 Stories 数据集，我们提出了一种新的方法来处理视频理解中的零样本学习问题，该方法可以在多个基准测试中取得新的最佳效果，提高了顶级准确率。

    Sep, 2023

  • CollabStory: 多 LLM 协作故事生成与作者分析

    LLM 模型间的合作创作及其影响是一个重要的研究方向，本研究生成了 CollabStory 数据集，用于探索单一作者与多作者间合作创作的情景，并提出了解决多 LLM 模型合作创作的基线方法。

    Jun, 2024

  • WikiHow：一个大规模的文本摘要数据集

    本研究介绍了一种基于在线知识库的数据集 WikiHow，包含超过 230,000 个文章和摘要对，用于评估现有的序列到序列模型在不同写作风格、更高语义抽象度的摘要中的性能。

    Oct, 2018

  • 视觉叙事

    首个序列视觉语言数据集的发布，这个数据集中包含 81,743 张唯一图片和 20,211 个序列，旨在探讨其在视觉叙事任务中的应用，建立多个强劲的基础模型以及推动基于自动度量标准的进展，为模拟具象和比喻、社交语言提供了可能，从而推动人工智能不断向更接近人类理解的基于事件结构和主观表达的方向发展。

    Apr, 2016

  • 文本建模世界

    该研究提供了一个数据集，用于训练能够构建基于知识图谱的交互叙事世界模型的学习代理。数据集包含了 24198 个富自然语言观察和知识图谱之间的映射，以及多个流派的 27 个游戏中的训练数据和 9 个附加的游戏中包含的 7836 项测试集等内容。此外，研究还提供了基于规则、问答和序列学习方法的基线模型以及数据分析。

    Jun, 2021

  • 电影故事多语种概要：用于故事理解的数据集

    构建大规模多语言视频故事数据集 M-SYMON，包含 13166 个影片摘要视频和 101.5 小时视频的精细视频文本对应注释。使用 SyMoN 人工标注数据训练的结果，在剪辑准确率和句子 IoU 得分上超过 SOTA 方法分别达到 15.7 和 16.2 个百分点，证明了注释的有效性。同时，我们提供了六种具有不同多语言训练策略的基线方法，比较它们在单语内和跨语言设置中的性能，展示了多语言视频文本对齐的挑战。

    Jun, 2024

  • 理解与生成道德故事的语料库

    本文提出了两项理解任务和两项生成任务，以评估机器的道德故事理解和写作能力，并提供了一个新的汉英双语人工写作的道德故事数据集 STORAL，使用检索增强算法对模型进行训练，并在自动和手动评估中测试了不同模型的性能。

    Apr, 2022

  • 视觉故事后期制作

    本文介绍了第一个包含 14,905 个人工编辑版本和 2,981 个机器生成的视觉故事的数据集，探讨了如何利用这些人工编辑版本进行后期编辑任务，并建立了基础数据，展示了人类编辑与机器编辑之间的弱相关性关系，从而促进了对新的自动化评估指标的需求。

    Jun, 2019

  • 电影叙事概述：一个用于故事理解的视频语言数据集

    该研究收集、预处理并公开发布了一个视频 - 语言故事数据集 (SyMoN)，包含 5,193 个受欢迎电影和电视剧的视频摘要，旨在为多模态故事理解的进展打下基础。

    Mar, 2022