論文の概要: Enhancing Creativity in Large Language Models through Associative Thinking Strategies

• arxiv url: http://arxiv.org/abs/2405.06715v1
• Date: Thu, 9 May 2024 16:42:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-14 20:31:40.622242
• Title: Enhancing Creativity in Large Language Models through Associative Thinking Strategies
• Title（参考訳）: 連想的思考戦略による大規模言語モデルの創造性向上
• Authors: Pronita Mehrotra, Aishni Parab, Sumit Gulwani,
• Abstract要約: 人間の創造性を高めるための連想的思考戦略が発見されている。 異なる概念を接続する大規模言語モデルが創造的なアウトプットを増大させるかどうかを検討する。 以上の結果から, 連想的思考技術を活用することで, vGPT-4の応答の独創性を大幅に向上させることができることが示唆された。
• 参考スコア（独自算出の注目度）: 9.09055730592338
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper explores the enhancement of creativity in Large Language Models (LLMs) like vGPT-4 through associative thinking, a cognitive process where creative ideas emerge from linking seemingly unrelated concepts. Associative thinking strategies have been found to effectively help humans boost creativity. However, whether the same strategies can help LLMs become more creative remains under-explored. In this work, we investigate whether prompting LLMs to connect disparate concepts can augment their creative outputs. Focusing on three domains -- Product Design, Storytelling, and Marketing -- we introduce creativity tasks designed to assess vGPT-4's ability to generate original and useful content. By challenging the models to form novel associations, we evaluate the potential of associative thinking to enhance the creative capabilities of LLMs. Our findings show that leveraging associative thinking techniques can significantly improve the originality of vGPT-4's responses.
• Abstract（参考訳）: 本稿では,vGPT-4のような大規模言語モデル(LLM)における創造性向上を連想的思考を通じて論じる。 社会的な思考戦略は、人間が創造性を高めるのに効果的に役立つ。 しかし、LLMがより創造的になるのに同じ戦略が役立つかどうかは未定のままである。 本研究では,異なる概念を繋ぐLLMが創造的なアウトプットを増大させるかどうかを検討する。 プロダクトデザイン、ストーリーテリング、マーケティングの3つの領域に焦点を当て、私たちは、vGPT-4のオリジナルで有用なコンテンツを生成する能力を評価するために設計された創造性タスクを導入します。 モデルに挑戦して新しい協会を形成することにより,LLMの創造性を高めるための連想的思考の可能性を評価する。 以上の結果から, 連想的思考技術を活用することで, vGPT-4の応答の独創性を大幅に向上させることができることが示唆された。

関連論文リスト

• Benchmarking Language Model Creativity: A Case Study on Code Generation [17.56712029335294]
  創造性は少なくとも2つの重要な特徴から成り立っている: 啓発的思考(与えられた目標を達成するための目的性)と啓示的思考(新しい環境や制約への適応性) citeprunco 2003 クリティカル 2つの特徴を取り入れたLCM創造性を定量化する枠組みを提案する。 これは、(1)デニアル・プロンプティング(Denial Prompting)は、従来のソリューションに新たな制約を漸進的に課すことによって、LLMが与えられた問題に対してより創造的な解決策を導き出すよう促す。
  論文  参考訳（メタデータ） (2024-07-12T05:55:22Z)
• Divergent Creativity in Humans and Large Language Models [37.67363469600804]
  最近の大規模言語モデルの能力の急上昇は、人間の能力に似た創造性レベルに近づいている、という主張につながっている。 我々は、創造科学の最近の進歩を活用して、最先端のLLMと10万人の実質的なデータセットの両方において、多様な創造性を詳細に分析するためのフレームワークを構築します。
  論文  参考訳（メタデータ） (2024-05-13T22:37:52Z)
• Toward Self-Improvement of LLMs via Imagination, Searching, and Criticizing [56.75702900542643]
  大規模言語モデルの自己改善のためのAlphaLLMを紹介する。 モンテカルロ木探索(MCTS)とLLMを統合し、自己改善ループを確立する。 実験の結果,AlphaLLM は付加アノテーションを使わずに LLM の性能を大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2024-04-18T15:21:34Z)
• CreativEval: Evaluating Creativity of LLM-Based Hardware Code Generation [4.664950672096393]
  大規模言語モデル(LLM)は、コードを生成するのに効果的で効率的であることが証明されている。 CreativeEvalは、ハードウェア設計を作成するコンテキストにおけるLCMの創造性を評価するためのフレームワークである。
  論文  参考訳（メタデータ） (2024-04-12T20:41:47Z)
• Mind's Eye of LLMs: Visualization-of-Thought Elicits Spatial Reasoning in Large Language Models [71.93366651585275]
  大規模言語モデル (LLM) のための可視化・オブ・ソート (VoT) を提案する。 VoTは、LLMの空間的推論を、それらの推論トレースを可視化することによって引き起こし、その後の推論ステップを導く。 自然言語ナビゲーションや視覚ナビゲーション,2次元グリッドの世界における視覚的タイリングなど,マルチホップ空間推論タスクにVoTを使用している。
  論文  参考訳（メタデータ） (2024-04-04T17:45:08Z)
• What if...?: Thinking Counterfactual Keywords Helps to Mitigate Hallucination in Large Multi-modal Models [50.97705264224828]
  大規模マルチモーダルモデルに反現実的思考を組み込む新しい手法である反現実的インセプションを提案する。 我々は、より広い文脈のシーン理解にまたがる応答をモデルが関与し、生成することを目指している。 オープンソースモデルとプロプライエタリモデルの両方を含む様々なLMMの包括的分析は、反事実的思考が幻覚を著しく減少させることを裏付ける。
  論文  参考訳（メタデータ） (2024-03-20T11:27:20Z)
• AI-Augmented Brainwriting: Investigating the use of LLMs in group ideation [11.503226612030316]
  大規模言語モデル(LLM)のような生成AI技術は、創造的な作業に重大な影響を及ぼす。 本稿では,LLMを創造的プロセスに統合する2つの側面として,アイデア生成の分岐段階と,アイデアの評価と選択の収束段階について考察する。 我々は,グループ思考プロセスにLLMを組み込んだ協調グループAIブレインライト構想フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-02-22T21:34:52Z)
• Assessing and Understanding Creativity in Large Language Models [33.37237667182931]
  本稿では,大規模言語モデル(LLM)における創造性レベルを評価するための効率的な枠組みを確立することを目的とする。 The Torrance Tests of Creative Thinking を用いて、7つのタスクにまたがる様々なLSMの創造的パフォーマンスを評価する。 LLMの創造性は、主に独創性に欠けるが、エラボレーションには優れていた。
  論文  参考訳（メタデータ） (2024-01-23T05:19:47Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)
• Telling Creative Stories Using Generative Visual Aids [52.623545341588304]
  私たちはライターに、開始プロンプトからクリエイティブなストーリーを書くように頼み、同じプロンプトから生成するAIモデルによって生成されたビジュアルを提供した。 コントロールグループと比較すると、ビジュアルをストーリー・ライティング・アシストとして使用した作家は、より創造的で、オリジナルで、完全で、視覚的にできるストーリーを著した。 発見は、AIによる横断的なモダリティ入力は、人間とAIの共創において創造性の異なる側面に利益をもたらすが、収束する思考を妨げることを示している。
  論文  参考訳（メタデータ） (2021-10-27T23:13:47Z)
• Explaining Creative Artifacts [69.86890599471202]
  生成物と構成的創造性を結合鎖に分解する逆問題定式化を開発する。 特に、当社の定式化は、アソシエイト要素の知識グラフを通じて、旅行セールスマン問題の解決として構成されている。
  論文  参考訳（メタデータ） (2020-10-14T14:32:38Z)

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。