クリックベイトなしでクリック率を高めるためのLLMによる見出しリライト

要旨: 情報の正確性を維持しながら読者のエンゲージメントを高めることは、ニュースメディア向けの制御可能なテキスト生成における中心的な課題である。読者のエンゲージメントを最適化するためのニュース見出しの設計は、しばしばクリックベイトと混同され、その結果、誇張的または誤解を招く表現につながり、編集上の信頼を損なう。私たちはクリックベイトを別個のスタイル区分としてではなく、正当なエンゲージメント指標が過度に増幅された極端な結果として捉える。この見方に基づき、見出しの書き換えを、意味の忠実性と強調の割合に関する明示的な制約の下で、特定のエンゲージメント志向の言語属性を選択的に強める制御可能な生成問題として定式化する。私たちは、大規模言語モデル（LLM）に基づく、推論時制御のためにFuture Discriminators for Generation（FUDGE）パラダイムを用いる、誘導付き見出し書き換えフレームワークを提示する。LLMは2つの補助ガイドモデルによって誘導される: （1）過度なスタイル増幅を抑制するためのネガティブなガイダンスを与えるクリックベイト採点モデル、そして（2）目標とするクリック可能性の目的に整合するポジティブなガイダンスを与えるエンゲージメント属性モデルである。これらのガイドは、キュレーションされた実世界のニュースコーパスから取得した中立的な見出しで学習される。同時に、これらの元の見出しを、あらかじめ定義されたエンゲージメント方策を制御された形で活性化しながらLLMで書き換えることによって、クリックベイトのバリアントが合成的に生成される。推論時にガイダンスの重みを調整することで、このシステムは、中立的な言い換えから、より魅力的でありながら編集上許容可能な表現までの連続体に沿って見出しを生成する。提案するフレームワークは、魅力性、意味の保持、そしてクリックベイト回避のトレードオフを体系的に研究するための原理に基づくアプローチを提供し、ジャーナリズムの文脈における責任あるLLMベースの見出し最適化を支援する。