评估风格个性化文本生成：挑战与方向.pdfVIP

评估风格个性化文本生成：挑战与方向

AnubhavJangra,BaharehSarrafzadeh,AdriandeWynter,

SilviuCucerzan,SujayKumarJauhar

ColumbiaUniversity,USA

Microsoft,USA

TheUniversityofYork,UK

Abstractetal.,2025)、简历和求职信(Zinjadetal.,2024)、

社交媒体帖子(Longetal.,2023;Jainetal.,2023)

尽管之前的研究已经构建了面向风格个性

以及博客(Kaisenetal.,2024)等。这种对大语

本化的文本生成工具和基准，但在低资源作言模型日益依赖带来了个性化文本生成的需求

译者风格个性化文本生成领域中的评估探索(Mysoreetal.,2025)。缺乏适当的技术来生成反

中仍然有限。通过这项工作，我们质疑广泛采

用的评价指标如BLEU和ROUGE的有效映用户写作风格的文本可能会造成更多负面影

1性，并探讨其他评估范式，比如风格嵌入和响，影响他们的个人关系和职业形象(Kadoma

v

4以大语言模型为裁判来全面评估风格个性etal.,2025)。

7化的文本生成任务。我们在涵盖八种写作

3近年来，越来越多的努力致力于利用大型

6任务并跨越三种设置领域判别、作者归属

0语言模型的风格转换能力来开发个性化的文本

.判定和LLM个性化与非个性化歧视的风格

8辨别基准上评估了这些指标及其集成。我生成框架，比如一个个性化提示重写器来生成

0

5们提供了确凿证据，证明采用多样化的评所需的风格输出(Lietal.,2024a)，控制语言特

2

:价指标集成可以有效评估风格个性化的文征的多属性风格个性化文本生成系统(Alhafni

v

i本生成。etal.,2024)，以及用于个性化写作辅助的生成

x

r校准检索器(Mysoreetal.,2023)。之前的工作还

a

1介绍开发了诸如灯光映射投影(Salemietal.,2023)

和长语言模型项目(Kumaretal.,2024a)等生成

近期的实证研究表明，大型语言模型