BADGE: BADminton report Generation and Evaluation with LLM

羽毛球享有广泛的流行度，比赛报道通常包括选手姓名、比分和球类型等细节，为观众提供全面的比赛视角。然而，撰写这些报道可能是一项耗时的任务。这一挑战促使我们探索是否可以使用大型语言模型（LLM）自动化生成和评估羽毛球报道。我们介绍了一个名为BADGE的新型框架，旨在使用LLM实现这一目的。我们的方法包括两个主要阶段：报道生成和报道评估。首先，羽毛球相关数据由LLM处理，然后生成比赛的详细报道。我们测试了不同的输入数据类型、上下文学习（ICL）和LLM，发现在使用CSV数据类型和Chain of Thought提示时，GPT-4的表现最佳。在报道生成后，LLM评估并评分报道以评估其质量。我们比较了GPT-4评估的分数和人类评委的分数，发现倾向于喜欢GPT-4生成的报道。由于LLM在羽毛球报道中的应用仍然未被充分探索，我们的研究为未来在这一领域的进一步发展奠定了基础。此外，我们的方法可以扩展到其他运动比赛，从而增强体育推广。更多详情请参见https://github.com/AndyChiangSH/BADGE。

论文旨在探索使用大型语言模型（LLM）自动生成和评估羽毛球比赛报道的可行性，解决撰写比赛报道耗时的问题。

BADGE框架分为报告生成和报告评估两个主要阶段，使用GPT-4模型和CSV数据类型以及Chain of Thought提示进行训练，最终生成详细的比赛报告，并使用GPT-4评估报告质量。

实验结果表明，使用BADGE框架生成的报道质量优于人工撰写的报道。该方法可以扩展到其他运动项目，提高体育赛事的推广效果。论文提供了开源代码和数据集，为未来的研究提供基础。

近期的相关研究包括使用自然语言处理技术进行体育报道的自动生成，如《Automated Sports Journalism Using Natural Language Generation Techniques》。