本論文は、大言語モデル(LLM)の創造的な飛躍思考(Leap-of-Thought)能力を高めるための新しいアプローチ「Creative Leap-of-Thought (CLoT)」を提案している。
まず、著者らは大喜利ゲームをLLMの飛躍思考能力を評価するための適切なテストベッドとして位置づけている。大喜利ゲームは、画像、テキスト、あるいはその両方を入力として、ユーモアのある予想外の応答を生成することを要求するため、LLMの飛躍思考能力を適切に評価できると考えられる。
そこで著者らは、130,000以上の大喜利ゲームのサンプルからなる「Oogiri-GO」データセットを構築した。このデータセットを用いて、既存のLLMやCoT(Chain-of-Thought)ベースの手法では飛躍思考能力が不十分であることを示した。
そこで提案されたのがCLoTである。CLoTは2つのステージから成る:
連想可能な命令チューニング: Oogiri-GOデータセットを飛躍思考指向の命令データに変換し、LLMの連想生成能力と判別能力を高める。
探索的自己洗練: LLMに対して、見かけ上関連性の低い概念間の並行関係を探索させ、創造的なデータを生成・選択させることで、自己洗練を行う。
実験の結果、CLoTを適用したLLMは、Oogiri-ゲームをはじめ、クラウド当てゲームや発散的連想課題などの創造的タスクでも優れた性能を示すことが明らかになった。これらの結果は、CLoTがLLMの創造的な飛躍思考能力を大幅に向上させることを示している。
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Shanshan Zho... alle arxiv.org 04-23-2024
https://arxiv.org/pdf/2312.02439.pdfDomande più approfondite