論文の概要: LLMs Generate Kitsch

• arxiv url: http://arxiv.org/abs/2604.25929v1
• Date: Wed, 01 Apr 2026 16:13:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.227731
• Title: LLMs Generate Kitsch
• Title（参考訳）: LLMはkitschを生成する
• Authors: Xenia Klinge, Stefan Ortlieb, Alexander Koller,
• Abstract要約: 大きな言語モデル(LLM)は、伝統的に人間の創造性を必要とする作品を生成するために、ますます使われています。 LLMはキッチを体系的に生成し、それがトレーニングの仕方の結果である、と我々は主張する。 本稿では,今後の研究や,研究やコーディングといった創造的な課題への含意について論じる。
• 参考スコア（独自算出の注目度）: 48.874548120501835
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are increasingly used to generate pictures, texts, music, videos, and other works that have traditionally required human creativity. LLM-generated artifacts are often rated better than human-generated works in controlled studies. At the same time, they can come across as generic and hollow. We propose to resolve this tension by arguing that LLMs systematically generate kitsch, and that this is a consequence of the way in which they are trained. We also show empirically that readers perceive LLM-generated stories as kitschier, if we control for their definition of "kitsch". We discuss implications for the design of future studies and for creative tasks such as research and coding.
• Abstract（参考訳）: 大型言語モデル (LLM) は、伝統的に人間の創造性を必要としてきた写真、テキスト、音楽、ビデオ、その他の作品を生成するために、ますます使われてきている。 LLM生成アーティファクトは、制御された研究において、人為的な作品よりもよく評価される。 同時に、それらはジェネリックでホロウとして見受けられる。 我々は,LSMがキッチを系統的に生成し,それが学習の仕方の結果であると主張することによって,この緊張を解消することを提案する。 また,読者が「kitsch」の定義を制御すれば,LLM生成ストーリーをkitschierと認識できることを実証的に示す。 本稿では,今後の研究や,研究やコーディングといった創造的な課題への含意について論じる。

関連論文リスト

• Should You Use Your Large Language Model to Explore or Exploit? [57.98066234509361]
  探索・探索トレードオフに直面した意思決定エージェントを支援するために,大規模言語モデルの能力を評価する。 現在のLLMは、しばしば利用に苦労するが、小規模タスクのパフォーマンスを大幅に改善するために、コンテキスト内緩和が用いられる可能性がある。
  論文  参考訳（メタデータ） (2025-01-31T23:42:53Z)
• We're Different, We're the Same: Creative Homogeneity Across LLMs [6.532204241949196]
  大規模言語モデル(LLM)が、書き込みサポートツールやアイデアジェネレータなどとして利用可能になった。 LLMを創造的なパートナーとして使用すると、より狭い創造的なアウトプットが得られることが、いくつかの研究で示されている。
  論文  参考訳（メタデータ） (2025-01-31T18:12:41Z)
• HoLLMwood: Unleashing the Creativity of Large Language Models in Screenwriting via Role Playing [45.95600225239927]
  大規模言語モデル(LLM)は、文学的な文章の複雑さが極めて高いため、人間の専門家のレベルで書かれた作品を作成することはほとんどできない。 本稿では,LLMの創造性を解放し,スクリーンライティングにおけるその可能性を探るためのフレームワークであるHoLLMwoodを紹介する。
  論文  参考訳（メタデータ） (2024-06-17T16:01:33Z)
• See the Unseen: Better Context-Consistent Knowledge-Editing by Noises [73.54237379082795]
  知識編集が大規模言語モデル(LLM)の知識を更新 既存の作業はこの特性を無視し、編集には一般化が欠けている。 実験により、異なる文脈がLLMに与える影響は、同じ知識を思い出す際にガウス的な分布に従うことが判明した。
  論文  参考訳（メタデータ） (2024-01-15T09:09:14Z)
• Are Language Models More Like Libraries or Like Librarians? Bibliotechnism, the Novel Reference Problem, and the Attitudes of LLMs [12.568491518122622]
  ビブリオテクニズムは, LLMが新たな参照を生み出す事例から, 独立した課題に直面している。 心の哲学における解釈主義によれば、システムがそのような態度を持つのは、その振る舞いがそれが可能であるという仮説によって十分に説明されている場合に限る。 しかし、我々は、解釈主義は態度を持つ非常に単純な生き物と互換性があり、これらの態度を前提とする見解には意識、知覚、知性が必要であると強調する。
  論文  参考訳（メタデータ） (2024-01-10T00:05:45Z)
• AlignedCoT: Prompting Large Language Models via Native-Speaking Demonstrations [52.43593893122206]
  Alignedcotは、大規模言語モデルを呼び出すためのコンテキスト内学習技術である。 ゼロショットシナリオでは、一貫した正しいステップワイズプロンプトを達成する。 数学的推論とコモンセンス推論の実験を行う。
  論文  参考訳（メタデータ） (2023-11-22T17:24:21Z)

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。