标签
该论文介绍了 NarrativeBench,这是一个包含 23 种语言的 1,333 篇新闻文章和 460 个查询的基准测试。研究评估了 14 个大语言模型,发现它们无法可靠地帮助用户探索多样化的多语言叙事,可能导致信息茧房和信息差距。
本文研究大型语言模型是否能够生成多样化的故事。通过叙事相似性分析,作者发现,LLM生成的叙事彼此之间的相似度始终高于人类撰写的故事,而常见的缓解策略(如负面提示和温度缩放)未能解决这种同质化问题。