超越生成式人工智能：自然语言生成路线图

得益于大型语言模型（LLMs），生成式人工智能呈现出指数级增长。这归功于自然语言处理（NLP）及其子领域自然语言生成（NLG，本篇论文的重点）中所建立的深度学习方法的出色表现。在日益壮大的 LLM 家族中，广受欢迎的 GPT-4、Bard 以及更具体地说像 ChatGPT 这样的工具，在解决 NLG 研究涉及的大多数任务时已成为其他 LLM 的基准。这种情况对 NLG 的下一步发展以及该领域在 LLM 时代如何适应和演进以应对新挑战提出了新问题。为了解决这一问题，本文对近期发表在 NLG 领域具有代表性的综述样本进行了回顾。通过这项工作，我们旨在为科学界提供一份研究路线图，以明确 LLM 仍未妥善解决的 NLG 方面，并提出未来应着手开展的研究方向。