論文の概要: Poetry 'resurrection' from LLMs
- arxiv url: http://arxiv.org/abs/2611.17464v1
- Date: Thu, 12 Nov 2026 19:46:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.250884
- Title: Poetry 'resurrection' from LLMs
- Title(参考訳): LLMの詩「復活」
- Abstract要約: 終末語間の詩的関係を実証するコレットを用いて,AIが生成する量的・質的な出力について検討する。
我々の結果は、AIは興味深いペアリングを生成することができるが、それでも人間レベルの創造性と詩的関係の理解に欠けることを示している。
- 参考スコア(独自算出の注目度): 0.18006769874322107
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In an era where linguistic creativity is challenged by algorithmic authorship, we pose a provocative question: can artificial intelligence (AI) write an infinite poem? We set up two experiments to investigate the quantitative and qualitative output produced by AI utilizing couplets that evidence a poetic relationship between end words, the only variation in a strict anaphoric, litany structure. Our results show that while AI can generate interesting pairings, it still falls short of human-level creativity and understanding of poetic relationships. We offer commentary and a brief survey of the field of computational poetry experiments, tracing back authorial intention and distinctions of 'natural' and 'artificial' poetry, as well as justifying why couplet form is suited to testing AI's poetic output. Experiment 1 relies on manual prompting and co-creation to extend the original poem, which is developed into an animated webpage installation and interactive artwork. Experiment 2 reliably achieves automated output reaching the 1000 benchmark via an alternative method of using an LLM in combination with semantic similarity, of which Method 2 demonstrates a higher capacity for semantic and quantitative poetic output. These experiments highlight the limitations of current LLMs' generation capacity at the word level but also suggest that poetry will also respond and revive by incorporating AI workflows.
- Abstract(参考訳): 人工知能(AI)は無限の詩を書けるのか?
厳密なアナフォリックなリタニー構造における唯一の変種である終末語間の詩的関係を示すコレットを用いて、AIが生成する量的および質的な出力を調べるために、2つの実験をセットアップした。
我々の結果は、AIは興味深いペアリングを生成することができるが、それでも人間レベルの創造性と詩的関係の理解に欠けることを示している。
我々は、計算詩実験の分野に関する解説と簡単な調査を行い、著者の意図と「自然」と「芸術」の区別を辿り、また、なぜカップル形式がAIの詩的アウトプットをテストするのに適しているのかを正当化する。
実験1では、手動によるプロンプトと共同創造に頼ってオリジナルの詩を拡張し、アニメーションWebページのインスタレーションとインタラクティブなアートワークへと発展させた。
実験2では,LLMと意味的類似性を組み合わせた代替手法を用いて,1000のベンチマークに到達した自動出力を確実に達成する。
これらの実験は、単語レベルでの現在のLLMの生成能力の限界を強調しながら、詩もまたAIワークフローを組み込むことで応答し、復活することを示唆している。
関連論文リスト
- Do Large Language Models Perform Well on Comprehending Poetic Logic in Modern Chinese Poetry? [47.71394430680399]
大規模言語モデル(LLM)は、幅広い自然言語処理(NLP)タスクにおいて大きな進歩を遂げている。
現代中国の詩は、効果的な理解のための独自の推論形式を必要とする。
現代漢詩の詩文論理を特に評価するために設計された最初のベンチマークであるPeonyを提案する。
論文 参考訳(メタデータ) (2026-08-22T07:52:00Z) - Understanding Literary Texts by LLMs: A Case Study of Ancient Chinese Poetry [9.970908656435066]
詩、ジョーク、短編小説などのジャンルにおいて、多くのAIツールが登場し、新たな視点を提供する。
文学作品を評価することは、しばしば複雑で、完全に定量化することは困難であり、AI創造のさらなる発展を妨げている。
本稿では,大規模言語モデルの観点から,文学テキストのミステリーを探究する。
論文 参考訳(メタデータ) (2024-08-22T04:25:06Z) - 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) - Evaluating Diversity in Automatic Poetry Generation [25.53206868552533]
我々は、構造的、語彙的、意味的、様式的な側面に沿って自動生成された詩の多様性を評価する。
現在の自動詩体系は,多次元にまたがってかなり過渡していることがわかった。
我々の特定された制限は、より真に多様な未来の詩生成モデルの基礎となるかもしれない。
論文 参考訳(メタデータ) (2024-06-21T16:03:21Z) - Expressivity and Speech Synthesis [51.75420054449122]
われわれはこれまでの方法論の進歩を概説し、その次のレベルの人工表現性に到達するための継続的な取り組みを概説した。
また、社会的な意味と、急速に進歩する表現型音声合成(ESS)技術についても論じる。
論文 参考訳(メタデータ) (2024-04-30T08:47:24Z) - PoetryDiffusion: Towards Joint Semantic and Metrical Manipulation in
Poetry Generation [58.36105306993046]
制御可能なテキスト生成は自然言語生成(NLG)において困難かつ有意義な分野である
本稿では,ソネット生成のための拡散モデルと中国語のSongCi詩の創始について述べる。
本モデルでは,人的評価だけでなく,意味的,計量的,総合的な性能の自動評価において,既存のモデルよりも優れる。
論文 参考訳(メタデータ) (2023-06-14T11:57:31Z) - 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) - Artificial Intelligence versus Maya Angelou: Experimental evidence that
people cannot differentiate AI-generated from human-written poetry [0.0]
自然言語生成アルゴリズム(NLG)は、多くの注目を集め、議論を呼んだ。
一つの理由は、アルゴリズムが様々な領域にまたがって人間のようなテキストを生成する能力を持っているからである。
我々は,現在最先端の自然言語生成アルゴリズムであるGPT-2に対する行動反応を評価する2つの実験を行った。
これらの結果が人間に似たテキストを生成するためのNLGアルゴリズムの性能にどう影響するかを議論し、そのような学習アルゴリズムを人力実験環境で研究する手法を提案する。
論文 参考訳(メタデータ) (2020-05-20T11:52:28Z) - 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。