网站域名商代理商,怎样建公司网站,网站外贸推广,什么是网站定位本文是LLM系列文章#xff0c;针对《Can Language Models Make Fun? A Case Study in Chinese Comical Crosstalk》的翻译。 语言模型能制造乐趣吗?中国滑稽相声个案研究 摘要1 引言2 问题定义3 数据集4 使用自动评估生成基准5 人工评估6 讨论7 结论与未来工作 摘要
语言是…本文是LLM系列文章针对《Can Language Models Make Fun? A Case Study in Chinese Comical Crosstalk》的翻译。 语言模型能制造乐趣吗?中国滑稽相声个案研究 摘要1 引言2 问题定义3 数据集4 使用自动评估生成基准5 人工评估6 讨论7 结论与未来工作 摘要
语言是人类交流的主要工具幽默是其中最具吸引力的部分之一。像人类一样使用计算机生成自然语言也就是自然语言生成(NLG)已被广泛用于对话系统、聊天机器人、文本摘要以及人工智能生成内容(AIGC)例如创意生成和脚本编写。然而自然语言的幽默方面的研究相对较少特别是在预训练语言模型的时代。在这项工作中我们的目的是初步测试NLG是否能像人类一样产生幽默。我们建立了由大量中国滑稽相声剧本(简称c3)组成的最大数据集这是自19世纪以来中国流行的表演艺术“相声”或“相声”。我们对各种生成方法进行基准测试包括从头开始训练Seq2seq微调的中等规模plm以及带和不带微调的大规模plm。此外我们还进行了人工评估结果表明:1)大规模预训练大大提高了相声生成的质量;2)即使是最好的PLM生成的脚本也远远达不到我们的期望。我们得出结论使用大规模plm可以极大地改善幽默生成但它仍处于起步阶段。数据和基准测试代码可在https://github.com/ anonNo2/crosstalk-generation中公开获得。
1 引言
2 问题定义
3 数据集
4 使用自动评估生成基准
5 人工评估
6 讨论
7 结论与未来工作
在本文中我们收集了中国相声的数据集。基于数据集我们评估了几种现有的生成模型包括LSTM Seq2seq、GPT、UniLM、CPM、Pangu-α、Zhouwenwang和GPT-3。这是幽默生成的初步步骤说明大规模的预训练在很大程度上提高了相声生成的质量但生成的脚本与人工创作的脚本之间仍然存在很大的差距。请注意人们对相声的偏见/刻板印象存在一些担忧例如教育背景歧视和性别偏见。在未来的工作中我们有兴趣收集相声音频以适应幽默的口音来促进端到端的相声生成。
