論文の概要: Choice Over Control: How Users Write with Large Language Models using Diegetic and Non-Diegetic Prompting

• arxiv url: http://arxiv.org/abs/2303.03199v1
• Date: Mon, 6 Mar 2023 14:58:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 15:40:34.702210
• Title: Choice Over Control: How Users Write with Large Language Models using Diegetic and Non-Diegetic Prompting
• Title（参考訳）: 制御の選択 - ダイジェティックおよび非ディジェティック・プロンプティングを用いた大規模言語モデルによる書き方
• Authors: Hai Dang, Sven Goller, Florian Lehmann, Daniel Buschek
• Abstract要約: 大規模言語モデル(LLM)におけるプロンプトの概念的視点を提案する。 本稿では,Prolific上の129人のクラウドワーカーが,ユーザインタフェースの異なる短いテキストをいかに書くかを検討する。
• 参考スコア（独自算出の注目度）: 27.853155569154705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a conceptual perspective on prompts for Large Language Models (LLMs) that distinguishes between (1) diegetic prompts (part of the narrative, e.g. "Once upon a time, I saw a fox..."), and (2) non-diegetic prompts (external, e.g. "Write about the adventures of the fox."). With this lens, we study how 129 crowd workers on Prolific write short texts with different user interfaces (1 vs 3 suggestions, with/out non-diegetic prompts; implemented with GPT-3): When the interface offered multiple suggestions and provided an option for non-diegetic prompting, participants preferred choosing from multiple suggestions over controlling them via non-diegetic prompts. When participants provided non-diegetic prompts it was to ask for inspiration, topics or facts. Single suggestions in particular were guided both with diegetic and non-diegetic information. This work informs human-AI interaction with generative models by revealing that (1) writing non-diegetic prompts requires effort, (2) people combine diegetic and non-diegetic prompting, and (3) they use their draft (i.e. diegetic information) and suggestion timing to strategically guide LLMs.
• Abstract（参考訳）: 我々は,(1)ダイジェチックなプロンプト(例えば,『once upon a time, i saw a fox...』)と(2)非ディジェティックプロンプト(例えば『the adventures of the fox』)とを区別する大規模言語モデル(llm)のためのプロンプトの概念的視点を提案する。 このレンズを用いて,多作なユーザインタフェースによる短いテキスト作成 (1対3提案,非ディゲティックプロンプトによる非ディゲティックプロンプト,gpt-3による実装) に対して129人のクラウドワーカーが,複数の提案を提供し,非ディゲティックプロンプトのオプションを提供した場合,参加者は非ディゲティックプロンプトによる制御よりも,複数の提案から選択することを好む。 参加者が非ディゲティックなプロンプトを提供したとき、インスピレーションや話題、事実を求めることが目的だった。 特に1つの提案は、ダイジェティック情報と非ジジェティック情報の両方で導かれた。 本研究は,(1)非ディジタルなプロンプトを書くためには努力が必要であること,(2)ダイジェティックなプロンプトと非デジタルなプロンプトを組み合わせること,(3)彼らのドラフト(つまりダイジェティックな情報)と提案タイミングを用いてLSMを戦略的に導くことを明らかにする。

関連論文リスト

• Exploring Prompt Engineering Practices in the Enterprise [3.7882262667445734]
  プロンプト(英: prompt)は、モデルから特定の振る舞いや出力を引き出すように設計された自然言語命令である。 特定の要求のある複雑なタスクやタスクに対して、迅速な設計は簡単ではない。 我々は、プロンプト編集行動のセッションを分析し、ユーザが反復したプロンプトの一部と、それらが行った変更の種類を分類する。
  論文  参考訳（メタデータ） (2024-03-13T20:32:32Z)
• Comparing Sentence-Level Suggestions to Message-Level Suggestions in AI-Mediated Communication [2.905751301655124]
  本研究では,AIを用いたコミュニケーションにおける文レベルの提案とメッセージレベルの提案とのトレードオフについて検討する。 我々は120人の参加者を募集し、議員のオフィスからスタッフとして働きました。
  論文  参考訳（メタデータ） (2023-02-26T18:40:38Z)
• Contextual Dynamic Prompting for Response Generation in Task-oriented Dialog Systems [8.419582942080927]
  応答生成はタスク指向対話システムにおいて重要なコンポーネントの1つである。 本稿では,対話コンテキストからプロンプトを学習するテキスト動的プロンプトを実現する手法を提案する。 文脈的動的プロンプトは,3つの絶対点で構造化されたテキスト合成スコア citemehri-etal 2019 を用いて応答生成を改善することを示す。
  論文  参考訳（メタデータ） (2023-01-30T20:26:02Z)
• Demystifying Prompts in Language Models via Perplexity Estimation [109.59105230163041]
  プロンプトのパフォーマンスは、モデルが含んでいる言語に精通している範囲と結合している。 プロンプトの難易度が低ければ低いほど、プロンプトがタスクを実行することができることを示す。
  論文  参考訳（メタデータ） (2022-12-08T02:21:47Z)
• Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
  現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。 CRS開発の主な課題を5つの方向にまとめます。 これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
  論文  参考訳（メタデータ） (2021-01-23T08:53:15Z)
• Response Selection for Multi-Party Conversations with Dynamic Topic Tracking [63.15158355071206]
  我々は、応答と関連する会話コンテキストの間のトピックを一致させるために、動的トピック追跡タスクとして応答選択をフレーム化する。 本研究では,大規模な事前学習モデルによる効率的な符号化を支援する新しいマルチタスク学習フレームワークを提案する。 DSTC-8 Ubuntu IRCデータセットの実験結果は、応答選択とトピックのアンタングル化タスクにおける最先端の結果を示している。
  論文  参考訳（メタデータ） (2020-10-15T14:21:38Z)
• Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
  本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。 トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
  論文  参考訳（メタデータ） (2020-09-26T08:43:06Z)
• ConvAI3: Generating Clarifying Questions for Open-Domain Dialogue Systems (ClariQ) [64.60303062063663]
  本論文では,対話システムに対する質問の明確化に関する課題について詳述する(ClariQ)。 このチャレンジは、2020年のSearch Oriented Conversational AI (SCAI) EMNLPワークショップで、ConvAI3(Conversational AI Challenge series)の一部として組織されている。
  論文  参考訳（メタデータ） (2020-09-23T19:48:02Z)

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。