論文の概要: Novels generated by language models show compressed formal variation
- arxiv url: http://arxiv.org/abs/2608.12630v1
- Date: Wed, 12 Aug 2026 22:32:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.339285
- Title: Novels generated by language models show compressed formal variation
- Title（参考訳）: 言語モデルによる小説は圧縮された形式変化を示す
- Abstract要約: この研究は、繰り返しAI生成が、人間の体にまたがる同じ範囲の多様性を生み出すことができるかどうかを問うものである。
この研究には、MATTR-500、シャノンエントロピー、平均文長、可読性、句読率の測定が含まれる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: While large language models can generate entire novels, there is little information about the level of formal variation in their output over many generations. Rather than asking whether individual passages can be identified as AI-generated, this study asks whether repeated AI generation can produce the same range of diversity which is found across human corpora. This paper contrasts six corpora based on generation source and target style: twenty novels generated using GPT-5.5 Thinking in a nineteenth-century British realist style, twenty novels generated using Qwen3-14B in a nineteenth-century British realist style, twenty novels generated using each of these models in a contemporary zero style, 205 nineteenth-century human-written British novels, and sixty-five contemporary human-written Zero-Style novels. At the document level, the research includes MATTR-500, Shannon entropy, average sentence length, readability, and punctuation rate measurements. The most robust and reliable result is compression of sentence structure. Repeated generations produce novels that vary far less from one another in sentence structure than human novels do. Compression is also present in the measures of readability, punctuation, and sentence length variability within novels. Lexical measures tend to be similarly compressed, with the exception of Qwen Zero-Style MATTR. Despite having distinct mean stylistic profiles, GPT and Qwen lack a stable pattern of cross-measure correlation. This article therefore distinguishes between variance overclosure, which represents a limited formal range between novels, and a more specific phenomenon of correlational overclosure. This means that an individual AI-generated novel may resemble human fiction stylistically, while a collection of AI-generated novels occupies a much narrower formal range.
- Abstract（参考訳）: 大規模言語モデルは小説全体を生成できるが、何世代もにわたる生産における形式的変動のレベルについてはほとんど情報がない。
この研究は、個々のパスがAI生成であると特定できるかどうかを問うのではなく、人間のコーパスで見られるのと同じ多様性をAI生成が生み出すかどうかを問う。
本論文は、GPT-5.5で生み出した19世紀のイギリスリアリズムスタイルの小説、19世紀のイギリスリアリズムスタイルのQwen3-14Bで生み出した小説、現代ゼロスタイルのモデルで生み出した小説、19世紀のイギリス人書き小説205、現代人書き小説65、など6つのコーパスを対比する。
文書レベルでは、MATTR-500、シャノンエントロピー、平均文長、可読性、句読率の測定が含まれる。
最も堅牢で信頼性の高い結果は、文構造の圧縮である。
反復世代は、人間の小説よりも文構造において互いにはるかに異なる小説を生み出す。
圧縮は小説の読みやすさ、句読点、文の長さの変動の尺度にも見られる。
語彙測度も同様に圧縮されるが、Qwen Zero-Style MATTRは例外である。
GPTとQwenは、平均的なスタイリスティックなプロファイルを持っているにもかかわらず、安定な相互測定相関パターンを欠いている。
そこで本論文では,小説間の形式的範囲が限定されている分散オーバクロージャーと,相関オーバクロージャーのより具体的な現象を区別する。
これは、個々のAI生成小説が人間のフィクションとスタイリスティックに類似しているのに対し、AI生成小説のコレクションはより狭い形式範囲を占めていることを意味する。
関連論文リスト
- StoryScope: Investigating idiosyncrasies in AI fiction [26.913725703912572]
AIによって生成されたストーリーは物語空間の共有領域に集まり、人間によるストーリーはより多様性を示す。
より広範に、これらの結果は、記述スタイルだけでなく、下層の物語構成の違いが、人間によるオリジナル作品とAI生成フィクションの区別に利用できることを示唆している。
論文 参考訳（メタデータ） (2026-04-03T15:56:38Z) - Semantic Novelty Trajectories in 80,000 Books: A Cross-Corpus Embedding Analysis [0.0]
私は2世紀の英語出版にまたがる8万冊以上の本で意味的ノベルティの軌跡を分析します。
近代の書物では 段落レベルの新規性が 約10%高くなっています
落ち着いたセマンティックレジスターに向かって斬新さが低下する収束した物語曲線は、1920年以前の文献では2.3倍多い。
論文 参考訳（メタデータ） (2026-03-02T12:20:24Z) - Generative AI & Fictionality: How Novels Power Large Language Models [1.4847369589597454]
我々は、小説が生成AIの出力をどのように形成するかを研究する。
小説は、フィクションの見慣れた特質や余裕を生かし、また社会反応の新たな性質や形態を育んでいる。
現代文化が、生成的AIと機械学習によってますます形作られつつある場合、今日の様々な文化生産様式の分析は、比較的新しい次元である計算訓練データ(Computer Training data)を考慮しなければならない、と我々は主張する。
論文 参考訳（メタデータ） (2026-03-01T18:34:02Z) - ChatGPT-generated texts show authorship traits that identify them as non-human [0.6741942263052466]
この研究は、言語モデルが特定の指紋にリンクできるかどうかを調べる。
このモデルでは、ウィキペディアのエントリーと大学のエッセイのどちらを生成するかによって、そのスタイルをうまく適応させることができることが分かりました。
このモデルでは動詞よりも名詞が好まれており,人間とは異なる言語的バックボーンが示されることが示唆された。
論文 参考訳（メタデータ） (2025-08-22T13:38:58Z) - Pastiche Novel Generation Creating: Fan Fiction You Love in Your Favorite Author's Style [48.08453439104245]
文芸パスティッシュの中核的な側面を習得する新しい世代システムであるWriterAgentを提案する。
WriterAgentは、低レベルのスタイリスティックな熟達から高レベルの物語コヒーレンスまで、カリキュラム学習パラダイムを通じて訓練されている。
我々は、ハリー・ポッターやドリーム・オブ・ザ・レッドチェンバーといった多言語古典のWriterAgentを評価し、ベースラインよりも優れていることを示した。
論文 参考訳（メタデータ） (2025-02-21T17:40:42Z) - Unveiling Temporal Trends in 19th Century Literature: An Information Retrieval Approach [5.804963603084041]
英語文学において、19世紀はスタイル、テーマ、ジャンルに大きな変化を目撃した。
本稿では、情報検索のレンズを通して、19世紀の英語小説における用語使用の進化について考察する。
論文 参考訳（メタデータ） (2025-01-12T15:00:10Z) - Understanding writing style in social media with a supervised
contrastively pre-trained transformer [57.48690310135374]
オンラインソーシャルネットワークは、ヘイトスピーチから偽情報の拡散まで、有害な行動の場として機能している。
本稿では, 4.5 x 106テキストの公開資料から得られた大規模コーパスに基づいて学習したStyle Transformer for Authorship Representations (STAR)を紹介する。
512個のトークンからなる8つのドキュメントからなるサポートベースを使用して、著者を最大1616人の著者のセットから、少なくとも80%の精度で識別することができる。
論文 参考訳（メタデータ） (2023-10-17T09:01:17Z) - The Stable Entropy Hypothesis and Entropy-Aware Decoding: An Analysis
and Algorithm for Robust Natural Language Generation [59.7381286976957]
通常、人間のような世代は狭く、ほぼ平らなエントロピーバンドの中にいる。
これらのエントロピー境界を尊重するエントロピー対応復号アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-14T02:02:33Z) - Twist Decoding: Diverse Generators Guide Each Other [116.20780037268801]
様々なモデルの恩恵を受けながらテキストを生成するシンプルで一般的な推論アルゴリズムであるTwist decodingを導入する。
我々の方法は、語彙、トークン化、あるいは生成順序が共有されていると仮定しない。
論文 参考訳（メタデータ） (2022-05-19T01:27:53Z) - How much do language models copy from their training data? Evaluating
linguistic novelty in text generation using RAVEN [63.79300884115027]
現在の言語モデルは高品質なテキストを生成することができる。
彼らは、これまで見たテキストを単にコピーしているか、それとも一般化可能な言語的抽象化を学んだのか?
本稿では、生成したテキストの新規性を評価するための分析スイートであるRAVENを紹介する。
論文 参考訳（メタデータ） (2021-11-18T04:07:09Z) - 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)
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。