Evaluating Large Language Model Creativity from a Literary Perspective

本文通过一项深入的案例研究，评估了大型语言模型（LLMs）在创意写作过程中作为辅助工具的潜力。在研究过程中，我们开发了交互式和多声音提示策略，交织了背景描述（场景设置、情节元素）、指导写作的说明、目标风格的文本样本以及对给定样本的批判性讨论。我们从文学批评的角度和计算创意（人工智能的一个子领域）的角度对结果进行了定性评估。我们的研究结果支持这样一种观点：LLM所能实现的结果的复杂程度与提示的复杂程度相对应。

本文旨在评估大型语言模型（LLMs）在创意写作过程中作为辅助工具的潜力，并通过一项深入的案例研究来实现这一目标。

本文开发了交互式和多声音提示策略，通过背景描述、指导构图的指令、目标风格的文本示例以及对给定示例的批判性讨论来交替提示，从而支持LLMs在创意写作中的应用。

本文通过文学批评和计算创意的角度对结果进行了定性评估，发现LLMs的结果的复杂程度与提示的复杂程度相匹配。本文的案例研究和提示策略为LLMs在创意写作中的应用提供了支持。

最近的相关研究包括：1.《用大型语言模型生成文本的实证评估》；2.《基于大型语言模型的文本生成技术》；3.《使用大型语言模型的自动创意写作》等。