arXiv cs.CL· Stuart Farmer·· 10 小时前AI 评分22
概念引导提示策略提升 LLM 生成食谱的多样性
Concept-Guided Prompting Strategies Increase Diversity in LLM-Generated Recipe Populations
AI 导读
研究者提出一种概念引导提示方法，让 LLM 在生成回答前先产出主题概念，再在每个概念内生成内容。在食谱书任务中生成 1000 份食谱并与人工语料对比，该方法语义覆盖率达 47.0%，高于 prior-title 策略的 35.1% 和 nonce 提示策略的 13.1%。结果表明其能拓展种群探索与多样性，但结论仅限该特定任务，方案质量与泛化性仍待验证。
正文 · AI 翻译
摘要：解决方案生成中的新颖性支持自动化发现，但 LLM 的输出可能仍然重复。为解决这一问题，我们提出了一种简单的概念引导提示方法，即在每个概念内生成主题概念后再生成响应。为进行演示，我们为一项食谱书任务生成了 1,000 份食谱，并将结果与人工编写的语料库进行了比较。两种简单的提示策略作为基线进行了比较。概念引导提示在所有情况下都优于两种基线，其语义覆盖率达到 47.0%，而先前标题提示策略和非词提示策略分别为 35.1% 和 13.1%。这些发现表明更广泛的种群探索和多样性，但仍局限于这一特定任务。需要进一步的工作来确定解决方案的质量和可推广性。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2611.01171 [cs.AI] |
| （或 arXiv:2611.01171v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01171 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Stuart Farmer [查看电子邮件]
[v1]
2026年10月31日星期六 18:15:04 UTC（629 KB）
来源：arXiv cs.CL · arxiv.org