大模型会产生"标题党"特征倾向吗?——以中外代表性大模型为例的实证研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：标题写作是生成式人工智能应用于内容生产实践的重要场景之一.大模型会产生"标题党"特征倾向吗?围绕这一核心问题对国内外两个具有代表性的大语言模型运用算法审计方法进行实证分析.基于模型对973篇微信公众号文章进行标题写作的结果,研究发现,在不增加额外提示的情况下,大模型生成的标题具有一定的"标题党"特征倾向,其中GPT-4的倾向比ChatGLM3更明显,但与人类相比,两个模型的"标题党"特征倾向均没有人类明显.相比严肃议题,在非严肃议题文章的标题写作中,模型表现的"标题党"特征倾向更明显.提示(prompt)对大模型生成"标题党"特征倾向具有显著影响:添加含有"标题党"倾向的角色、背景和风格信息后,模型的"标题党"特征倾向均显著增强;添加限制"标题党"风格的提示后,"标题党"特征倾向会相应减弱.

作者：

周葆华、张悦

展开 >

作者单位：

复旦大学信息与传播研究中心

复旦大学新闻学院

复旦大学全球传播全媒体研究院

复旦大学国家发展与智能治理综合实验室

复旦大学计算与智能传播研究中心

展开 >

关键词：

生成式人工智能大模型标题党算法审计计算传播智能传播

基金：

国家社科基金人才项目中国中文信息学会社会媒体处理专委会(SMP)-智谱AI大模型交叉学科基金项目(2023)教育部重点研究基地重大项目复旦大学新闻学院科研创新项目上海数学与交叉学科研究院项目

项目编号：

22VRC18622JJD8600042023-2024SIMIS-ID-2024-LZ

出版年：

2024

DOI：

10.3969/j.issn.2095-0330.2024.07.005

现代出版

中国大学出版社协会，中国传媒大学出版社，中国传媒大学编辑出版研究中心

现代出版

CSSCI北大核心

影响因子：0.393

ISSN：2095-0330

年,卷(期)：2024.(7)

参考文献量1