跳到正文
热点事件持续更新

研究LLM生成故事的低多样性

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Sil Hamilton于2026年5月26日发布论文，指出当前四个大语言模型生成的故事可变性极低。研究显示，在2万个样本中，Elias等11个词出现在88.3%的故事里。这些词在预训练数据中罕见，但存在于偏好数据中。小众数据集结合对齐算法导致生成结果参考版权角色或成人内容，对多样性产生不成比例影响。

AI 根据报道生成 · 2 小时前更新

最新进展10月20日 06:33
arXiv 论文诊断 LLM 故事的低多样性问题

报道时间线

沿着报道，了解事件的不同侧面。

10月20日
  1. Hacker News LLM
    arXiv 论文诊断 LLM 故事的低多样性问题

    arXiv 论文指出当前四个大语言模型生成的故事可变性极低，20,000 个样本中 11 个词（如 Elias、Mara、灯塔等）出现在 88.3% 的故事中。这些词在公开文献和预训练数据中罕见，但存在于所有模型可能使用的偏好数据中。研究显示，小众数据集结合强大的对齐算法会对生成结果产生不成比例的影响，导致大量出现参考受版权保护角色或成人内容的故事。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月20日 07:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。