論文の概要: A Framework for Collaborating a Large Language Model Tool in Brainstorming for Triggering Creative Thoughts

• arxiv url: http://arxiv.org/abs/2410.11877v1
• Date: Thu, 10 Oct 2024 13:39:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:41:29.719347
• Title: A Framework for Collaborating a Large Language Model Tool in Brainstorming for Triggering Creative Thoughts
• Title（参考訳）: 創造的思考をトリガーするブレインストーミングにおける大規模言語モデルツールの協調フレームワーク
• Authors: Hung-Fu Chang, Tong Li,
• Abstract要約: 本研究は, 設計者に対して, ブレインストーミング時のアイデアの創造性向上のために, LLMツールで体系的に作業するための目標, プロンプト, 戦略を取り入れたGPSというフレームワークを提案する。 設計事例とケーススタディを通じてテストした本フレームワークは,創造性を刺激する効果と,設計プラクティスへのLCMツールのシームレスな統合を実証する。
• 参考スコア（独自算出の注目度）: 2.709166684084394
• License:
• Abstract: Creativity involves not only generating new ideas from scratch but also redefining existing concepts and synthesizing previous insights. Among various techniques developed to foster creative thinking, brainstorming is widely used. With recent advancements in Large Language Models (LLMs), tools like ChatGPT have significantly impacted various fields by using prompts to facilitate complex tasks. While current research primarily focuses on generating accurate responses, there is a need to explore how prompt engineering can enhance creativity, particularly in brainstorming. Therefore, this study addresses this gap by proposing a framework called GPS, which employs goals, prompts, and strategies to guide designers to systematically work with an LLM tool for improving the creativity of ideas generated during brainstorming. Additionally, we adapted the Torrance Tests of Creative Thinking (TTCT) for measuring the creativity of the ideas generated by AI. Our framework, tested through a design example and a case study, demonstrates its effectiveness in stimulating creativity and its seamless LLM tool integration into design practices. The results indicate that our framework can benefit brainstorming sessions with LLM tools, enhancing both the creativity and usefulness of generated ideas.
• Abstract（参考訳）: 創造性は、スクラッチから新しいアイデアを生成するだけでなく、既存の概念を再定義し、以前の洞察を合成する。 創造的思考を促進するために開発された様々な技術の中で、ブレインストーミングが広く使われている。 近年のLLM(Large Language Models)の進歩により、ChatGPTのようなツールは、複雑なタスクを容易にするプロンプトを使用することで、様々な分野に大きな影響を与えている。 現在の研究は主に正確な反応を生成することに焦点を当てているが、特にブレインストーミングにおいて、迅速なエンジニアリングが創造性を高める方法を探る必要がある。 そこで本研究では, 設計者に対して, ブレインストーミング時に発生するアイデアの創造性を改善するための LLM ツールを体系的に開発するための目標, プロンプト, 戦略を取り入れた GPS というフレームワークを提案することにより, このギャップを解消する。 さらに、AIが生み出すアイデアの創造性を測定するために、Torrance Tests of Creative Thinking (TTCT)を適用した。 設計事例とケーススタディを通じてテストした本フレームワークは,創造性を刺激する効果と,設計プラクティスへのLCMツールのシームレスな統合を実証する。 その結果,私たちのフレームワークは,LLMツールによるブレインストーミングセッションの恩恵を受け,生成したアイデアの創造性と有用性を両立させることが示唆された。

関連論文リスト

• Technical Report: Enhancing LLM Reasoning with Reward-guided Tree Search [95.06503095273395]
  o1のような推論アプローチは困難で、研究者はこのオープンな研究領域を前進させようとさまざまな試みを行ってきた。 本稿では,報酬誘導木探索アルゴリズムを用いて,LLMの推論能力を高めるための予備的な検討を行う。
  論文  参考訳（メタデータ） (2024-11-18T16:15:17Z)
• A Novel Idea Generation Tool using a Structured Conversational AI (CAI) System [0.0]
  本稿では、初心者デザイナーを支援する創造的アイデア生成ツールとして、対話型AIを活用したアクティブなアイデア生成インタフェースを提案する。 これは動的でインタラクティブで文脈に応答するアプローチであり、人工知能(AI)における自然言語処理(NLP)の領域から大きな言語モデル(LLM)を積極的に巻き込む。 このようなAIモデルとアイデアの統合は、連続的な対話ベースのインタラクション、コンテキストに敏感な会話、多彩なアイデア生成の促進に役立つ、アクティブな理想化(Active Ideation)シナリオと呼ばれるものを生み出します。
  論文  参考訳（メタデータ） (2024-09-09T16:02:27Z)
• The creative psychometric item generator: a framework for item generation and validation using large language models [1.765099515298011]
  大規模な言語モデル(LLM)は、高い創造性を必要とする職場プロセスを自動化するために使われています。 我々は,創造的問題解決(CPS)タスクという,古典的な自由応答性創造性テストのためのテスト項目を作成するための心理的にインスパイアされたフレームワークを開発する。 CPIGが有効かつ信頼性の高い項目を生成し、この効果が評価過程における既知のバイアスに寄与しないという強い実証的証拠が得られた。
  論文  参考訳（メタデータ） (2024-08-30T18:31:02Z)
• Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
  LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。 我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。 デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
  論文  参考訳（メタデータ） (2024-08-17T11:49:53Z)
• Enhancing Creativity in Large Language Models through Associative Thinking Strategies [9.09055730592338]
  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。
  論文  参考訳（メタデータ） (2024-05-09T16:42:29Z)
• Cantor: Inspiring Multimodal Chain-of-Thought of MLLM [83.6663322930814]
  視覚的コンテキスト獲得と論理的推論の集約は、視覚的推論タスクに取り組む上で重要であると我々は主張する。 我々はCantorと呼ばれる革新的なマルチモーダルCoTフレームワークを提案し、その特徴は知覚決定アーキテクチャである。 提案手法の有効性を実証し,マルチモーダルCoT性能の大幅な向上を示した。
  論文  参考訳（メタデータ） (2024-04-24T17:59:48Z)
• 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)
• Luminate: Structured Generation and Exploration of Design Space with Large Language Models for Human-AI Co-Creation [19.62178304006683]
  現在のインタラクションパラダイムは不足しており、限られたアイデアの集合に対して、ユーザを迅速なコンバージェンスへと導くものだ、と私たちは主張する。 本研究では,ユーザがシームレスに探索し,評価し,多数の応答を合成できる設計空間の構造化を促進するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-19T17:53:14Z)
• CREATOR: Tool Creation for Disentangling Abstract and Concrete Reasoning of Large Language Models [74.22729793816451]
  大規模言語モデル(LLM)はツールの利用において大きな進歩を遂げているが、その能力はAPIの可用性によって制限されている。 我々は、LCMがドキュメンテーションとコード実現を使って独自のツールを作成できる新しいフレームワークCREATORを提案する。 我々は,MATH と TabMWP のベンチマークで CREATOR を評価する。
  論文  参考訳（メタデータ） (2023-05-23T17:51:52Z)
• Automatic Creativity Measurement in Scratch Programs Across Modalities [6.242018846706069]
  我々は、創造性の公式な尺度の定義から、この尺度を実践的な領域に適用することまで、効率的に計算できる旅を行ないます。 我々は、人気のあるビジュアルプログラミング言語であるScratchのプロジェクトに対して、一般的な測度を適用した。 我々は、Scratchプロジェクトの創造性を予測し、人間の専門家による創造性評価に基づいてトレーニングし、評価する機械学習モデルを設計した。
  論文  参考訳（メタデータ） (2022-11-07T10:43:36Z)
• 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。