关于儿童故事的自动生成与简化

EMNLPOct, 2023

On the Automatic Generation and Simplification of Children's Stories

Maria Valentini, Jennifer Weber, Jesus Salcido, Téa Wright, Eliana Colunga...

TL;DR最近，关于利用大型语言模型 (LLM) 自动生成儿童教育材料的概念变得越来越现实。本研究先考察了几种流行的 LLM 的能力，以生成词汇和可读性适合儿童的故事。然后，通过开发一个基于儿童故事领域的数据集，研究了最先进的词汇简化模型在儿童故事材料上的适用性，并通过适当的微调使其性能得以提升。

Abstract

With recent advances in large language models (LLMs), the concept of automatically generating children's educational materials has become increasingly realistic. Working toward the goal of age-appropriate simplic

large language models educational materials lexicon simplification child-directed data lexical simplification models

发现论文，激发创造

大型语言模型生成的儿童故事的可信度

大语言模型（LLMs）在生成文学文本方面显示出巨大的能力。然而，它们在生成儿童故事方面的有效性尚未得到全面的考查。在本研究中，我们使用各种指标评估 LLMs 生成的儿童故事的可靠性，并将我们的结果与旧的和新的儿童故事进行对比，以更好地评估它们的重要性。我们的研究结果表明，LLMs 在生成儿童故事方面仍然存在质量和细微之处的困难。

Jul, 2023

基于大型语言模型的句子简化

本文使用零 / 少量数据训练的大型语言模型在众多基准测试集上进行了实验分析，结果表明 LLMs 优于最先进的句子简化方法，并被评为与人类标注者一致。

Feb, 2023

单个儿童语言输入对可学习性的系统调查

该研究探讨了使用单个儿童语言输入子集训练语言模型，以形成有意义的句法和语义表征，发现这种方法的学习性强度和可靠性。

Feb, 2024

大型语言模型生成游戏关卡

本文探讨了使用大型语言模型 (LLMs) 生成 Sokoban 游戏关卡的可行性及效果，发现 LLMs 能够生成关卡，且其性能随数据集规模的提高而显著提高。同时，文章也介绍了控制 LLMs 关卡生成器的初步实验结果，并探讨了未来研究的有 promising 的方向。

Feb, 2023

通过讲故事运用大型语言模型学习复杂法律概念

将大型语言模型应用于法律教育，通过讲故事的方式帮助非专家了解复杂的法律概念，发现这种方法能够提高对法律概念的理解和对法律的兴趣，并具有较高的保留率，对法律领域以及其他领域的教学和学习具有重要意义。

Feb, 2024

语言模型实现简单系统，用于生成异构数据湖结构化视图

本文介绍 Evaporate 和 Evaporate-code+ 系统，用大的语言模型库开发这些系统可以在保证较低成本的同时提高提取数据质量，并且在处理了一系列文档的情况下达到了比现有技术更好的性能.

Apr, 2023

TinyStories: 语言模型有多小才能够流利地说英语？

本文介绍了 TinyStories 数据集和一种新的评估语言模型的方法，该数据集使用 GPT-3.5 和 GPT-4 生成，只包含 3 到 4 岁儿童通常理解的单词。使用 TinyStories 可以训练和评估比现有模型小得多的语言模型，并引入新的评估范式来评估这些模型的语言能力和多维度的得分，例如语法、创造性和连贯性等。这可以促进低资源或专业领域的语言模型的发展、分析和研究，并提高对于语言模型能力的认识。

May, 2023

LLM 是否隐含确定适合用户的文本难度？

通过使用大型语言模型（LLMs），调整生成的文本难度以适应学生，以达到提高学生理解能力的个性化教育目的。用于分析 LLMs 如何在用户输入和生成的文本之间隐式调整文本难度。通过从 Stack-Overflow 创建新的数据集来进行实验，探讨基于问答式对话的性能。实验结果表明，LLMs 可以隐式处理用户输入和生成响应之间的文本难度，并观察到有些 LLMs 在处理文本难度和指导调整方面超越了人类。

Feb, 2024

大型语言模型自动生成与评估阅读理解测试题

使用大型语言模型生成和评估阅读理解测试题目是一个有前途的方法，特别适用于没有足够可用数据的语言。

Apr, 2024

教导 LLM 个性化 —— 受到写作教育启发的方法

个性化文本生成是一个新兴的研究领域，通过使用大型语言模型 (LLMs)，我们提出了一种通用的个性化文本生成方法。借鉴写作教育的实践，我们开发了一个多阶段和多任务的框架来教授 LLMs 进行个性化生成。我们的方法包括检索、排名、总结、综合和生成多个阶段，并引入了一个多任务设置来进一步提高模型的生成能力。我们在三个涵盖不同代表性领域的公开数据集上评估了我们的方法，结果显示相对于各种基线模型，我们取得了显著的改进。

Aug, 2023