AngleKindling：使用大型语言模型支持新闻角度构思

文献标题

AngleKindling: Supporting Journalistic Angle Ideation with Large Language Models

文献信息

• 主题领域: 人机交互、新闻业与大语言模型
• 关键词: 新闻业, 创意生成, 想法发散, 大语言模型, 生成式AI, 自然语言处理, 工具设计, 历史背景整合

研究背景与问题

• 问题与挑战:

  1. 新闻记者经常使用文件（如新闻稿）寻找故事灵感，但这些源材料往往含有偏向性，需要进行深度分析和诠释。
  2. 当前的记者工具通常支持新闻发现（CND），但缺乏对从文件中发散角度的支持。
  3. 时间和资源的限制，使记者很难全面探索一个文件的多种角度。
  4. 使用传统方法生成报道角度过程耗费认知资源，灵感易受局限于记者的偏见或知识局限。

• 重要性: 从多个角度分析新闻稿是新闻报道质量的重要基石。这不仅能揭示隐藏的社会争议和潜在问题，还能明确采访和信息搜集的方向。

• 研究动机与相关工作:

  1. 大语言模型（LLMs）近年来在生成文本和创意支持任务中表现出极大的潜力，但尚未被充分用于新闻领域的报道发散。
  2. 已有工具（如INJECT）更多关注搜索和分类新闻线索，而较少支持生成与文本文本深度关联的具体角度。

解决方案

• 方法或解决方案: 作者开发了互动工具 AngleKindling，通过大语言模型（GPT-3）的常识推理能力来支持记者从新闻稿中发散报道角度。

• 创新之处:

  1. 使用大语言模型直接生成与新闻稿关联的角度，提供深度和具体的争议性观点或问题。
  2. 通过技术手段关联生成内容与来源文档，为角度生成增加了可信度。
  3. 对生成角度提供历史背景，增强其背景信息。
  4. 将新闻角度分类为主要要点、争议点、负面结果，以及待挖掘问题，从多个维度支持创意生成。

• 实施步骤与技术:

  1. 使用GPT-3对新闻稿进行分段和解析，生成主要要点与不同角度（如争议点、调查点和负面结果）。
  2. 利用Sentence-BERT，将生成的角度与新闻稿中的文句进行语义匹配，方便记者快速验证和参考。
  3. 集成纽约时报的数据库，为不同角度提供相关的历史文章，同时提取文章的关键词和关键信息。
  4. 设计基于Flask的前端界面，通过左侧工具栏提供生成的角度和背景信息，并与右侧显示的新闻稿内容形成直观关联。

研究成果

• 具体成果:

  1. AngleKindling 被证明是比现有工具（如INJECT）更有帮助的创意支持系统。
  2. 通过实验，参与者认为 AngleKindling 明显减轻了生成创意时的认知负担，并帮助他们快速掌握新闻稿的内容和潜在报道角度。
  3. 系统提供的多样化角度不仅适合短期限（如当天报道）的内容制作，还能够支持需要深入调查的长期报道。

• 与现有解决方案的比较优势:

  1. AngleKindling 提供更具体和直接的角度，与新闻稿内容结合紧密，而INJECT主要基于已有新闻文章，偏重于联想性报道。
  2. 系统内置的争议性和负面结果角度生成功能，使记者能更有效挖掘新闻稿隐含的深层含义。

• 实验或评估结果:

  1. 实验对象为12位专业记者，在对比AngleKindling与INJECT两种工具后，所有参与者均更偏爱AngleKindling。
  2. AngleKindling在帮助减少认知负担、启发多种类型的故事创意方面表现显著，其中“争议点”和“负面结果”功能最受欢迎。
  3. 历史背景信息虽然有帮助，但有时提供的文章相关性略低，需进一步优化。

• 局限性与未来方向:

  1. 当前的GPT-3模型可能生成过于通用或毫无针对性的角度，未来可以优化良好的提示词（prompts）和语义分段策略。
  2. 新闻稿摘要缺乏对具体统计数据和实施细节的突出表现，未来可结合更长输入长度的模型或定制算法改进。
  3. 探索如何帮助记者筛选和评估“最有潜力”的报道角度，结合数据或用户个性化需求排序生成结果。
  4. 工具目前聚焦新闻领域，将其推广到其它高文本密度领域（如法院判决或学术论文）是潜在的研究方向。特别是在这些领域中，LLM被用来讨论决策可能的伦理影响和潜在社会后果。