大型语言模型在创造性自然语言生成任务中展现了灵活性，但也带来了新挑战。研究提出了一个框架，包含系统输入、参考数据和输出度量，专注于引文文本生成任务。结果强调了任务指令的重要性，并揭示了评估指标之间的关系，为未来研究提供了启示。