HoLLMwood: 大型语言模型通过角色扮演释放剧本创作的创造力
内容提要
本文探讨了大型语言模型（LLMs）在创造性写作中的应用与挑战，评估其作为辅助工具的潜力。研究表明，LLMs在翻译和审阅方面对作家帮助显著，创造力评估中表现出独创性不足但详尽度优秀。通过角色扮演和多样化讨论，LLMs的创造力得到了提升，未来研究将进一步探索其在创意产业中的应用。
延伸解读
LLM在写作辅助中的实际效用
实证用户研究（n=30）显示，专业作家在规划、翻译和审阅等认知活动中会寻求LLM的帮助，其中翻译和审阅方面的辅助效果尤为突出。这表明当前LLM在创意写作中的价值更多体现在辅助性任务上，而非直接生成创意内容。对于写作者而言，将LLM用于翻译和审阅等环节可能比期待其独立完成创作更有效。
创造力评估：独创性短板与详尽度优势
通过改编Torrance创造性思维测试，研究从流畅性、灵活性、独创性和详尽度四个标准评估LLM的创造力，发现LLM在独创性方面表现不足，但在详尽度方面优秀。这意味着LLM擅长扩展和细化已有想法，却难以产生真正新颖的原创概念。因此，在创意工作中，LLM更适合作为细化工具，而非创意源头。
角色扮演与多模型协作提升创造力
研究揭示，LLM的创造力受提示和角色扮演设置的显著影响。通过角色扮演和多样化讨论，可以提升LLM的创造力；多个模型合作也能增强独创性。例如，RoleLLM框架通过角色扮演基准数据集显著增强了角色扮演能力，而三阶段讨论框架引入角色扮演技术，在多项创造力度量指标上超越了单一和多个LLM框架。这些方法为利用LLM的创造潜力提供了具体路径。
LLM与人类创造过程的差异
一项自动化研究通过句子嵌入分析人类和LLM在语义空间中的探索方式，发现两者都存在持久性（深度搜索少量语义空间）和灵活性（广泛搜索多个语义空间）两种创造力路径，且两种路径都能导致相似的创造力得分。但LLM在坚持性和灵活性路径上存在偏差，且在不同任务中变化。尽管LLM群体与人类个体在创造力得分上相匹配，它们与创造力的关系不同，表现更灵活的模型在创造力方面得分更高。这提示我们，LLM的创造过程与人类有本质区别，不能简单类比。
Q&A
大型语言模型在创造性写作中有哪些应用？
大型语言模型在创造性写作中主要用于规划、翻译和审阅，尤其在翻译和审阅方面表现突出。
大型语言模型在创造力评估中表现如何？
大型语言模型在独创性方面表现不足，但在详尽度方面优秀，提示和角色扮演设置显著影响其创造力。
如何通过角色扮演提升大型语言模型的创造力？
通过角色扮演和多样化讨论，可以提升大型语言模型的创造力，增加创造性答案的多样性。
未来研究将如何探索大型语言模型在创意产业中的应用？
未来研究将进一步探索大型语言模型在创意产业中的应用，特别是在创意写作辅助方面的潜力。
大型语言模型在创意写作中面临哪些挑战？
大型语言模型在创意写作中面临的挑战包括独创性不足和对创造过程的关注较少。
大型语言模型如何与人类的创造力进行比较？
最新研究表明，大型语言模型在特定创造性任务中可以超越人类的能力，尤其是在发散性思维和创造性写作方面。
