借助解答集编程指导和多样化基于 LLM 的故事生成

Jun, 2024

借助解答集编程指导和多样化基于 LLM 的故事生成

Guiding and Diversifying LLM-Based Story Generation via Answer Set Programming

Phoebe J. Wang, Max Kreminski

TL;DR使用回答集编程（ASP）的高层次和抽象符号规范引导和多样化基于 LLM 的故事生成，产生比未引导的 LLM 更多样化的故事，并通过代码摘录证明 ASP-based outline generation 相较于完整的叙事规划具有改进的紧凑性和灵活性。

Abstract

instruction-tuned large language models (LLMs) are capable of generating stories in response to open-ended user requests, but the resulting stories tend to be limited in their diversity. Older, →

instruction-tuned large language models diversity symbolic approaches answer set programming story generation

发现论文，激发创造

语言模型是否喜欢自己的故事？用于自动故事评估的大型语言模型的激励

自动故事评估与生成在社交交互中起到重要作用，研究表明大语言模型能够替代人工评注者，但仍存在解释答案的困难。

May, 2024

利用大型语言模型生成答案集程序

本文提出了一种神经符号方法，将大型语言模型和答案集编程的优势相结合，以将逻辑谜题的自然语言描述转化为答案集程序。

Jul, 2023

CLMASP：将大型语言模型与答题集编程结合用于机器人任务规划

使用 CLMASP 方法，通过结合大型语言模型 (LLMs) 和 Answer Set Programming (ASP) 的能力，能够生成可在具体机器人情境中执行的规划方案，大幅度提高了可执行率。

Jun, 2024

大语言模型和答集编程实现可靠自然语言理解

提出了一个结合了大型语言模型和逻辑编程 Answer Set Programming 的框架 STAR，通过在语言上提取知识并利用 ASP 进行规定驱动的推理，以提高针对需要推理的 NLU 任务的性能和可解释性。

Feb, 2023

基于大语言模型的全自动编程

本文探讨了使用 Large Language Models 进行程序合成时，实现 Synthesize，Execute，Debug 方法的方法，包括替换或修复故障程序，以及不同基于模板和基于模型的提示生成技术，取得了比传统方法更好的表现。

Apr, 2023

逻辑支架：使用 LLMs 进行个性化方面指导的推荐解释生成

利用大型语言模型的独特能力，本文提出一种名为 Logic-Scaffolding 的框架，通过中间推理步骤结合方面解释和思维链提示的思想生成解释，以解决现有模型在零 - shot 解释上的困难。

Dec, 2023

大型语言模型作为一致的故事可视化器

StoryGPT-V 使用潜在扩散和大语言模型的优点，生成具有一致且高质量角色的图像，通过解决指代消解和对上下文的理解来提高生成准确性和忠实度。模型在视觉故事可视化上表现优异，并具有较低的内存消耗。

Dec, 2023

StoryVerse：基于 LMM 的人物模拟通过叙事规划实现共同编写动态情节

自动生成游戏情节提升了玩家的体验，通过提供丰富而沉浸式的叙述体验，适应玩家的操作。我们提出了一种新的情节创作工作流程，通过使用大型语言模型驱动虚拟角色的行为，导入作者的意图并创造出根据游戏世界状态动态适应的故事，最终实现了作者、角色模拟和玩家共同创作的故事。

May, 2024

关于儿童故事的自动生成与简化

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。

Oct, 2023

SWAG: 行动指引式叙事

通过引入带有行动指导的双大模型反馈环路，我们的研究提出了一种创新的故事叙述方法 SWAG，它将故事撰写简化为一个搜索问题，在 GPT-4 和人工评估中，我们的结果显示 SWAG 在超过 GPT-3.5-Turbo 的情况下显著优于以前的端到端故事生成技术。

Feb, 2024