다양한 인간 저작 텍스트로 훈련된 대규모 언어 모델(LLM)은 광고 및 스토리텔링과 같은 다양한 응용 분야에 도움이 되는 창의적인 자연어 생성(CNLG)의 잠재력을 열었습니다. 그럼에도 불구하고, CNLG는 두 가지 주요 과제 때문에 여전히 어렵습니다. (1) 다중 목표 유연성: 사용자 요구 사항은 종종 개인화되고, 세분화되며, 다원적이며, LLM은 이를 동시에 충족하는 데 어려움을 겪습니다. (2) 해석 복잡성: 생성 외에도 창의성은 사용자의 인식을 향상시키기 위해 내포된 의미를 이해하고 해석하는 것을 포함합니다. 이러한 과제는 특히 짧은 형식의 텍스트 생성에서 창의적이고 통찰력 있는 콘텐츠를 생성하는 데 현재의 방법을 크게 제한합니다. 이를 해결하기 위해, 우리는 명시적인 사용자 제약 조건(예: 길이, 의미론, 인류학)을 준수하면서 의미 있는 미적 설명을 제공해야 하는 대표적인 짧은 형식 CNLG 작업인 중국 아기 이름 짓기에 집중합니다. 우리는 다양한 요구 사항을 충족하고 정확한 설명을 생성하기 위해 목표 추출, 이름 생성 및 평가를 반복적으로 번갈아 수행하는 새로운 다중 에이전트 최적화 프레임워크인 NAMeGEn을 제안합니다. 이 작업을 지원하기 위해, 우리는 미학을 향상시키기 위해 17,000개 이상의 시로 구성된 고전 중국 시 모음집을 구축하고, 맞춤형 메트릭을 갖춘 새로운 벤치마크인 CBNames를 도입합니다. 광범위한 실험 결과, NAMeGEn은 어떠한 훈련 없이도 다양한 LLM 백본을 아우르는 6가지 기본 방법보다 뛰어나, 다양한 개인화된 요구 사항을 충족하는 창의적인 이름을 효과적으로 생성하는 동시에 의미 있는 설명을 제공함을 보여줍니다.
