LLM Discussion: Enhancing the Creativity of Large Language Models via Discussion Framework and Role-Play

大型语言模型（LLMs）在自然语言处理方面表现出色，但通常无法产生对开放性问题的创造性和原创性回答。为了增强LLM的创造力，我们的关键见解是通过与来自不同背景和观点的参与者进行引人入胜的讨论，模拟诱导集体创造力的人类过程。为此，我们提出了LLM Discussion，这是一个三阶段的讨论框架，促进了激烈和分歧的思想交流，并确保收敛到创造性的答案。此外，我们采用角色扮演技术，通过为LLMs分配不同的角色来对抗LLMs的同质性。我们通过LLM评估和人类研究，使用“替代用途测试”、“相似性测试”、“实例测试”和“科学创造力测试”评估了所提出的框架的有效性。我们提出的框架在各种创造力指标上优于单个LLM方法和现有的多个LLM框架。

提高大型语言模型的创造力和原创性，通过模拟人类讨论的过程来实现。

提出了LLM Discussion框架，通过三个阶段的讨论来促进创意的交流和汇聚，采用角色扮演技术来对抗LLM同质性。

通过Alternative Uses Test、Similarities Test、Instances Test和Scientific Creativity Test的评估，证明了LLM Discussion框架在各种创造力指标上优于单个LLM方法和现有的多个LLM框架。

近期的相关研究包括：1.《Improving Language Understanding by Generative Pre-Training》；2.《GPT-2: Language Models Are Unsupervised Multitask Learners》；3.《DALL·E: Creating Images from Text》等。