論文の概要: Cooking Up Creativity: Enhancing LLM Creativity through Structured Recombination

• arxiv url: http://arxiv.org/abs/2504.20643v2
• Date: Sat, 27 Sep 2025 10:06:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 20:10:04.289543
• Title: Cooking Up Creativity: Enhancing LLM Creativity through Structured Recombination
• Title（参考訳）: クリエイティビティを調理する:構造化組換えによるLCMクリエイティビティ向上
• Authors: Moran Mizrahi, Chen Shani, Gabriel Stanovsky, Dan Jurafsky, Dafna Shahaf,
• Abstract要約: 本稿では,LLM(Large Language Models)の創造性を高める新しいアプローチを提案する。 自然言語と構造化表現の翻訳にLLMを適用し,その中心となる創造的飛躍を行う。 我々は、創造的なレシピを生成するモデルであるDishCOVERを用いて、料理分野における我々のアプローチを実証する。
• 参考スコア（独自算出の注目度）: 46.79423188943526
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) excel at many tasks, yet they struggle to produce truly creative, diverse ideas. In this paper, we introduce a novel approach that enhances LLM creativity. We apply LLMs for translating between natural language and structured representations, and perform the core creative leap via cognitively inspired manipulations on these representations. Our notion of creativity goes beyond superficial token-level variations; rather, we recombine structured representations of existing ideas, enabling our system to effectively explore a more abstract landscape of ideas. We demonstrate our approach in the culinary domain with DishCOVER, a model that generates creative recipes. Experiments and domain-expert evaluations reveal that our outputs, which are mostly coherent and feasible, significantly surpass GPT-4o in terms of novelty and diversity, thus outperforming it in creative generation. We hope our work inspires further research into structured creativity in AI.
• Abstract（参考訳）: 大きな言語モデル(LLM)は多くのタスクで優れていますが、真に創造的で多様なアイデアを生み出すのに苦労しています。 本稿では,LLMの創造性を高める新しいアプローチを提案する。 我々は、自然言語と構造化表現の翻訳にLLMを適用し、これらの表現を認知的にインスピレーションされた操作によって中心となる創造的な飛躍を行う。 創造性の概念は表面的なトークンレベルのバリエーションを超えており、むしろ既存のアイデアの構造化された表現を再結合することで、システムはより抽象的なアイデアの風景を効果的に探求することができる。 我々は、創造的なレシピを生成するモデルであるDishCOVERを用いて、料理領域における我々のアプローチを実証する。 実験とドメイン・エキスパートによる評価により、我々のアウトプットは、ほぼ一貫性があり、実現可能であり、新規性と多様性の点でGPT-4oをはるかに上回っており、創造的生成においてより優れています。 私たちの仕事は、AIにおける構造化創造性に関するさらなる研究を刺激することを期待しています。

関連論文リスト

• Rethinking Creativity Evaluation: A Critical Analysis of Existing Creativity Evaluations [47.51585845370428]
  クリエイティビティ指標,パープレキシティ,構文テンプレート,LCM-as-a-Judgeなどのクリエイティビティ指標について検討した。 分析の結果、これらの指標は限定的な一貫性を示し、創造性の異なる次元を捉えていることがわかった。
  論文  参考訳（メタデータ） (2025-08-07T15:11:48Z)
• Probing and Inducing Combinational Creativity in Vision-Language Models [52.76981145923602]
  VLM(Vision-Language Models)の最近の進歩は、それらのアウトプットが組合せの創造性を反映しているかという議論を引き起こしている。 本稿では,創造的プロセスを3つのレベルに分解するIEIフレームワークを提案する。 このフレームワークを検証するために、IEIフレームワークに従って注釈付けされた666人のアーティストによる視覚マッシュアップの高品質データセットであるCreativeMashupをキュレートする。
  論文  参考訳（メタデータ） (2025-04-17T17:38:18Z)
• How Do Hackathons Foster Creativity? Towards AI Collaborative Evaluation of Creativity at Scale [47.73894679677285]
  我々は193,353のハッカソンプロジェクトの計算分析を行う。 組織がハッカソンで創造性を育むための手段を特定します。 創造的な成果を評価するために,大規模言語モデルの利用について検討する。
  論文  参考訳（メタデータ） (2025-03-06T10:17:52Z)
• A Causality-aware Paradigm for Evaluating Creativity of Multimodal Large Language Models [100.16387798660833]
  オオギリゲーム(オオギリゲーム)は、ユーモアと連想的思考を必要とする創造的な仕事である。 LoTbenchはインタラクティブで因果性を考慮した評価フレームワークである。 その結果、ほとんどのLLMは制約された創造性を示すが、LLMと人間の間の性能格差は克服できないことがわかった。
  論文  参考訳（メタデータ） (2025-01-25T09:11:15Z)
• Steering Large Language Models to Evaluate and Amplify Creativity [7.031631627161492]
  創造性を判断するために、創造的に書く方法に関するこの知識を活用できることを示します。 我々は,LLMの内部状態の違いを抽出する機械的アプローチを,「空虚」あるいは「創造的」に応答するよう促す。
  論文  参考訳（メタデータ） (2024-12-08T20:28:48Z)
• A Framework for Collaborating a Large Language Model Tool in Brainstorming for Triggering Creative Thoughts [2.709166684084394]
  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。
  論文  参考訳（メタデータ） (2024-10-10T13:39:27Z)
• 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)
• 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)
• 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。