論文の概要: Creating a digital poet

• arxiv url: http://arxiv.org/abs/2602.16578v1
• Date: Wed, 18 Feb 2026 16:25:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.64831
• Title: Creating a digital poet
• Title（参考訳）: デジタル詩人の創造
• Authors: Vered Tohar, Tsahi Hayat, Amir Leshem,
• Abstract要約: 我々は7ヶ月の詩のワークショップを報告し、大きな言語モデルがデジタル詩人に成形されたことを報告した。 このモデルは、量的および質的な分析によって支えられた、独特なスタイルとコヒーレントなコーパスを発達させた。 ワークショップの後、ある商業出版社がモデルによって書かれた詩集を出版した。
• 参考スコア（独自算出の注目度）: 8.593632029412502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Can a machine write good poetry? Any positive answer raises fundamental questions about the nature and value of art. We report a seven-month poetry workshop in which a large language model was shaped into a digital poet through iterative in-context expert feedback, without retraining. Across sessions, the model developed a distinctive style and a coherent corpus, supported by quantitative and qualitative analyses, and it produced a pen name and author image. In a blinded authorship test with 50 humanities students and graduates (three AI poems and three poems by well-known poets each), judgments were at chance: human poems were labeled human 54% of the time and AI poems 52%, with 95% confidence intervals including 50%. After the workshop, a commercial publisher released a poetry collection authored by the model. These results show that workshop-style prompting can support long-horizon creative shaping and renew debates on creativity and authorship.
• Abstract（参考訳）: 機械はよい詩を書けるか。 肯定的な答えは、芸術の本質と価値に関する根本的な疑問を提起する。 我々は7ヶ月の詩のワークショップを報告し、大規模な言語モデルが反復的な文脈内専門家のフィードバックによってデジタル詩人に形成され、再訓練は行われなかった。 セッション全体を通じて、モデルは、量的および質的な分析によって支えられた独特なスタイルとコヒーレントなコーパスを開発し、ペンネームと著者イメージを生み出した。 50人の人文科学の学生と大学院生(それぞれ3つのAI詩と3つの有名な詩人による詩)による盲目の著者試験では、人文詩は54%、AI詩は52%と評価され、50%を含む95%の信頼区間があった。 ワークショップの後、ある商業出版社がモデルによって書かれた詩集を出版した。 これらの結果は、ワークショップスタイルのプロンプトは、長期的な創造的な形成を支援し、創造性や著者シップに関する議論を新たに行うことができることを示している。

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)
• Sonnet or Not, Bot? Poetry Evaluation for Large Models and Datasets [3.0040661953201475]
  大規模言語モデル(LLM)が詩を生成、認識できるようになった。 我々はLLMが英語詩の1つの側面をいかに認識するかを評価するタスクを開発する。 我々は,現在最先端のLLMが,一般的な文体と一般的でない文体の両方を識別できることを示す。
  論文  参考訳（メタデータ） (2024-06-27T05:36:53Z)
• Identifying the style by a qualified reader on a short fragment of generated poetry [0.0]
  私は3つの文字ベースのLSTMモデルをスタイル再現評価に使用しました。 これら3つのモデルは、有名なロシア語を話す詩人たちによって、テキストのコーパスで訓練された。 スタイルの定義の正確さは、評価者が詩人を暗記できる場合、増加する。
  論文  参考訳（メタデータ） (2023-06-05T10:55:15Z)
• Generation of Chinese classical poetry based on pre-trained model [1.6114012813668934]
  本稿では,主にBARTやその他の事前学習モデルを用いて,韻律的詩文を生成する。 一連のAI詩のチューリング問題を開発し、詩や詩を書く研究者のグループによってレビューされた。 著者が研究した詩文生成のモデルは、先進的な学者と区別できない作品を一般化している。
  論文  参考訳（メタデータ） (2022-11-04T16:05:31Z)
• PART: Pre-trained Authorship Representation Transformer [52.623051272843426]
  文書を書く著者は、自分のテキストに識別情報を印字する。 以前の作品では、手作りの機能や分類タスクを使って著者モデルを訓練していた。 セマンティクスの代わりにテキストの埋め込みを学習するために、対照的に訓練されたモデルを提案する。
  論文  参考訳（メタデータ） (2022-09-30T11:08:39Z)
• PoeLM: A Meter- and Rhyme-Controllable Language Model for Unsupervised Poetry Generation [42.12348554537587]
  形式詩は詩の韻律や韻律に厳格な制約を課している。 この種の詩を創作する以前の作品のほとんどは、既存の詩を監督に用いている。 本稿では,任意の韻律や韻律に従って詩を生成するための教師なしアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-24T17:09:55Z)
• BACON: Deep-Learning Powered AI for Poetry Generation with Author Linguistic Style Transfer [91.3755431537592]
  本稿では,BACONについて述べる。BACONは,著者の言語スタイルを伝達する自動詩生成器のプロトタイプである。 有限状態機械、確率モデル、人工ニューラルネットワーク、深層学習の概念と技法を組み合わせて、任意の著者のスタイルで豊かな美的品質でオリジナルの詩を書く。
  論文  参考訳（メタデータ） (2021-12-14T00:08:36Z)
• Exploratory Data Analysis of Urdu Poetry [0.0]
  本研究は、他の形態よりも人気を博し、賞賛されるウルドゥ・ガザルの主な特徴を探求する。 愛、自然、鳥、花などを表現する言葉の種類については、詳しく説明されている。
  論文  参考訳（メタデータ） (2021-12-03T20:06:11Z)
• CCPM: A Chinese Classical Poetry Matching Dataset [50.90794811956129]
  本稿では,詩のマッチングによるモデルの意味的理解を評価するための新しい課題を提案する。 この課題は、現代漢訳の漢詩では、4人の候補者の中から1行の漢詩を選ばなければならない。 このデータセットを構築するために、まず中国古典詩と現代中国語の翻訳の並列データを得る。
  論文  参考訳（メタデータ） (2021-06-03T16:49:03Z)
• MixPoet: Diverse Poetry Generation via Learning Controllable Mixed Latent Space [79.70053419040902]
  多様な要素を吸収し,多様なスタイルを創出し,多様性を促進する新しいモデルであるMixPoetを提案する。 半教師付き変分オートエンコーダに基づいて、我々のモデルは潜在空間をいくつかの部分空間に切り離し、それぞれが敵の訓練によって1つの影響因子に条件付けされる。 中国詩の実験結果は、MixPoetが3つの最先端モデルに対して多様性と品質の両方を改善していることを示している。
  論文  参考訳（メタデータ） (2020-03-13T03:31:29Z)
• Introducing Aspects of Creativity in Automatic Poetry Generation [2.792030485253753]
  詩生成とは、詩作品に似たテキストを自動的に生成する教育システムである。 深層学習システムは、詩のコーパスを訓練し、特定の言語スタイルをモデル化することで、独自の詩を生成することができる。 我々は,事前訓練された言語モデルであるGPT-2を下流の詩生成タスクに適用するアプローチを提案する。
  論文  参考訳（メタデータ） (2020-02-06T20:44:12Z)

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。