論文の概要: Inspiration through Observation: Demonstrating the Influence of
Automatically Generated Text on Creative Writing
- arxiv url: http://arxiv.org/abs/2107.04007v1
- Date: Thu, 8 Jul 2021 17:53:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-09 14:20:09.728110
- Title: Inspiration through Observation: Demonstrating the Influence of
Automatically Generated Text on Creative Writing
- Title（参考訳）: 観察によるインスピレーション:自動生成テキストが創造的文章に与える影響の実証
- Authors: Melissa Roemmele
- Abstract要約: 自動生成したテキストのサンプルの観察が書き込みにどのように影響するかを分析する。
著者が生成した例を観察すると,人間による文章はより保存性が高いと判断された。
- 参考スコア（独自算出の注目度）: 1.4467794332678536
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Getting machines to generate text perceived as creative is a long-pursued
goal. A growing body of research directs this goal towards augmenting the
creative writing abilities of human authors. In this paper, we pursue this
objective by analyzing how observing examples of automatically generated text
influences writing. In particular, we examine a task referred to as sentence
infilling, which involves transforming a list of words into a complete
sentence. We emphasize "storiability" as a desirable feature of the resulting
sentences, where "storiable" sentences are those that suggest a story a reader
would be curious to hear about. Both humans and an automated system (based on a
neural language model) performed this sentence infilling task. In one setting,
people wrote sentences on their own; in a different setting, people observed
the sentences produced by the model while writing their own sentences. Readers
then assigned storiability preferences to the resulting sentences in a
subsequent evaluation. We find that human-authored sentences were judged as
more storiable when authors observed the generated examples, and that
storiability increased as authors derived more semantic content from the
examples. This result gives evidence of an "inspiration through observation"
paradigm for human-computer collaborative writing, through which human writing
can be enhanced by text generation models without directly copying their
output.
- Abstract（参考訳）: 機械に創造的と見なされるテキストを生成することが、長年の目標だ。
研究の活発化は、この目標を人間作家の創造的な執筆能力の増強に向けている。
本稿では,自動生成テキストの観察が文章にどのような影響を及ぼすかを分析することにより,この目的を追求する。
具体的には、単語のリストを完全な文に変換することを含む、文インフィルングと呼ばれるタスクについて検討する。
我々は、「保存性」を、読者が好むであろう物語を暗示する「保存性」文が、結果として得られる文の望ましい特徴として強調する。
人間と(ニューラルネットワークモデルに基づく)自動化システムの両方が、この文入力タスクを実行した。
ある設定では、人々は自分で文章を書き、別の設定では、自分の文章を書きながらモデルが生成した文章を観察した。
読み手は次に評価した文に保存可能性の好みを割り当てる。
著者が生成した例を観察すると,人間による文章はより保存性が高いと判断され,著者が実例からより意味的な内容を引き出すにつれて保存性は増大した。
この結果は、人間とコンピュータが協調して書く「観察によるインスパイア」パラダイムの証拠となり、テキスト生成モデルによって、出力を直接コピーすることなく、人間の文章が強化される。
関連論文リスト
- "It was 80% me, 20% AI": Seeking Authenticity in Co-Writing with Large Language Models [97.22914355737676]
我々は、AIツールと共同で書き込む際に、著者が自分の真正な声を保存したいかどうか、どのように検討する。
本研究は,人間とAIの共創における真正性の概念を解明するものである。
読者の反応は、人間とAIの共著に対する関心が低かった。
論文 参考訳（メタデータ） (2024-11-20T04:42:32Z) - Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。
エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
論文 参考訳（メタデータ） (2024-10-03T15:44:42Z) - Returning to the Start: Generating Narratives with Related Endpoints [27.61802620856587]
本稿では,物語生成パラダイムであるRENarGenを提案する。
私たちのコントリビューションには、ナラトロジーからの様々な予約方法がストーリーの言語モデリングにどのように影響するかの最初の調査が含まれている。
論文 参考訳（メタデータ） (2024-03-31T23:48:50Z) - Exploitation and exploration in text evolution. Quantifying planning and
translation flows during writing [0.13108652488669734]
執筆過程において,計画(探索)と翻訳(探索)のサブサイクルを定量化する手法を導入する。
このデータセットは、革新的なバージョニングソフトウェアを通じて、テキストの構築におけるすべてのステップを記録できる一連のワークショップから生まれました。
論文 参考訳（メタデータ） (2023-02-07T17:52:33Z) - Real or Fake Text?: Investigating Human Ability to Detect Boundaries
Between Human-Written and Machine-Generated Text [23.622347443796183]
我々は、テキストが人間の書き起こしから始まり、最先端のニューラルネットワークモデルによって生成されるようになる、より現実的な状況について研究する。
この課題でアノテータはしばしば苦労するが、アノテータのスキルにはかなりのばらつきがあり、適切なインセンティブが与えられると、アノテータは時間とともに改善できることを示す。
論文 参考訳（メタデータ） (2022-12-24T06:40:25Z) - Visualize Before You Write: Imagination-Guided Open-Ended Text
Generation [68.96699389728964]
我々は、機械生成画像を用いて、オープンエンドテキスト生成における言語モデルをガイドするiNLGを提案する。
オープンエンドテキスト生成タスクにおけるiNLGの有効性について実験と解析を行った。
論文 参考訳（メタデータ） (2022-10-07T18:01:09Z) - ViNTER: Image Narrative Generation with Emotion-Arc-Aware Transformer [59.05857591535986]
様々な感情を「感情弧」として表現する時系列に焦点をあてた画像物語を生成するモデルViNTERを提案する。
手動評価と自動評価の両方の実験結果を示す。
論文 参考訳（メタデータ） (2022-02-15T10:53:08Z) - Computational Lens on Cognition: Study Of Autobiographical Versus
Imagined Stories With Large-Scale Language Models [95.88620740809004]
GPT-3を用いた自伝的物語と想像的物語における出来事の物語の流れの相違について検討した。
想像された物語は自伝的物語よりも逐次性が高いことがわかった。
想像された物語と比較すると、自伝的な物語は、最初の人物に関連するより具体的な言葉と単語を含んでいる。
論文 参考訳（メタデータ） (2022-01-07T20:10:47Z) - Machine-in-the-Loop Rewriting for Creative Image Captioning [5.544401446569243]
テキストに記述的および図形的要素を局所的に導入するために,ユーザのオリジナルドラフト内で指定されたテキスト幅を変更する書き換えモデルを訓練する。
我々は,創造的なイメージキャプションのタスクにおいて,人間と協調する能力をモデルとして評価する。
論文 参考訳（メタデータ） (2021-11-07T22:17:41Z) - Sparks: Inspiration for Science Writing using Language Models [11.38723572165938]
本稿では,著者を刺激する科学的概念に関連する「スパーク」を生成するシステムを提案する。
私たちのスパークは、競争力のある言語モデルベースラインよりも一貫性があり、多様であることに気付きました。
論文 参考訳（メタデータ） (2021-10-14T18:03:11Z) - My Teacher Thinks The World Is Flat! Interpreting Automatic Essay
Scoring Mechanism [71.34160809068996]
最近の研究では、自動スコアリングシステムが常識的な敵対的サンプルになりやすいことが示されています。
近年の解釈能力の進歩を活かし,コヒーレンスやコンテント,関連性といった特徴がスコアリングの自動化にどの程度重要であるかを見出す。
また、モデルが意味的に世界知識や常識に基づかないことから、世界のような虚偽の事実を追加することは、それを減らすよりもむしろスコアを増加させる。
論文 参考訳（メタデータ） (2020-12-27T06:19:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。