打破大模型同质化：通过多样化角色设定激发创意输出
针对大语言模型在开放式任务中输出趋同、易陷入“群体思维”的问题，该研究将角色多样化形式化为集合级条件生成任务。研究探讨了“角色选择与生成”及“空间填充与边界探索多样性”两个核心设计维度，提出了覆盖子集选择、均匀覆盖采样及进化角色生成等四种方法。实验表明，结构化的多样化角色设定能有效打破模型生成的单一性，显著提升发散式思考与创意任务中的输出多样性与质量。
推荐理由系统性研究了通过角色集合多样化打破LLM输出同质化的问题，对大模型创意激发与提示词工程具有实用参考价值。
原标题：Breaking Homogeneity: Diversifying Persona Sets for Creative LLM Outputs
阅读 arXiv 自然语言处理 原文 ↗