arXiv · cs.AI · Alejandro Mozo Quesada (Universidad de M\'alaga, Spain), Sergio G\'alvez Rojas (Universidad de M\'alaga, Spain), Francisco L\'opez Valverde (Universidad de M\'alaga, Spain) · 8 小时前模型评分48
大语言模型（LLM，Large Language Model） 小说角色名集中问题研究：测量名字偏移并抑制重复
Character-Name Concentration in LLM Fiction: Measuring Displacement and Mitigating Repetition
导读
一项实证研究用 20 个大语言模型（LLM，Large Language Model）在四种语言下生成 44,782 篇故事，发现基于名单的策略只是把角色名集中转移到新出现的名字上，并让有据可查的真实名字占比减少一半以上。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：内容与娱乐
事件类型：研究发布
证据摘录
- “We present an empirical study of name-concentration control across eight strategies and introduce speculative naming, a fine-tuning-free method that adapts the draft-verify-reject paradigm of speculative decoding from tokens to names.”
来源：arXiv · cs.AI · arxiv.org