论文提出免微调的推测式命名，将人名碰撞率从7.3%降至0.4%。
资讯摘要
论文研究LLM生成小说中人物名集中于Elara、Elias等少数名字的问题，比较八种提示级策略，并提出免微调的推测式命名方法：通过言语化采样获取候选名字集，用结合模型指纹与运行时计数的SlopTracker打分，再按温度控制规则或严格变体筛选。作者用20个模型在四种语言生成44,782篇故事、88,919个人名，报告Slop Ratio平均下降95%，平均碰撞概率从7.3%降至0.4%。
要点速读
- 论文指出静态禁用名单只是把集中转移到新出现的名字，并使有据可查的真实名字占比减少一半以上。
- 推测式命名仅靠采样框架即平均降低Slop Ratio 89%，加入动态追踪器后总降幅达95%。
- 作者报告已知名字碰撞保持为零，故事内碰撞从4.3%降至0.2%，自然度接近基线。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。