En un mundo que constantemente busca innovación y mejora, los Modelos de Lenguaje de Gran Tamaño (LLMs, por sus siglas en inglés) han emergido como una herramienta poderosa en el campo del Procesamiento del Lenguaje Natural (NLP). Investigadores de la Universidad de Maryland han propuesto una metodología innovadora basada en el análisis de registro para mejorar la calidad de la transferencia de estilo de texto utilizando estos modelos de lenguaje.

La transferencia de estilo, una técnica que permite transformar un texto en uno nuevo con un estilo diferente pero manteniendo su significado original, se ha visto beneficiada por los recientes avances en generación de lenguaje natural mediante modelos de gran capacidad. Sin embargo, un desafío persistente ha sido cómo describir de manera precisa el estilo del texto de referencia para guiar a los LLMs.

Los autores, Yang y Carpuat, han experimentado con un método de “promoción” basado en el análisis de registro para guiar a los LLMs en esta tarea. Este enfoque se ha validado empíricamente a través de múltiples tareas de transferencia de estilo, demostrando que esta técnica mejora la fuerza de la transferencia de estilo al tiempo que preserva el significado del texto.

Este nuevo método utiliza Biber’s Multidimensional Register Analysis (MDA), un marco analítico ampliamente disponible y utilizado en contextos educativos y lingüísticos. Dicho enfoque se ha mostrado eficaz para destacar las variaciones de estilo presentes en los datos de entrenamiento de LLMs.

En sus experimentos, los investigadores compararon dos variantes de su método de promoción frente a varios enfoques existentes, destacando que el enfoque propuesto no sólo mejora la calidad de reescritura al estilo deseado, sino que lo hace con notable preservación del significado, lo que sugiere una mejor separación entre el estilo y el contenido.

Esta investigación no solo refuerza el potencial de los LLMs en tareas de transferencia de estilo, sino que abre el camino a aplicaciones como la asistencia de escritura personalizada, la simplificación de textos y la ocultación de autoría, salvaguardando siempre el significado original del texto.

La conclusión de este esfuerzo sugiere que el uso de análisis de registro para describir ejemplos de estilo puede ofrecer descriptores de estilo teóricamente fundamentados y fáciles de seguir para los LLMs, aumentando así la calidad y precisión de las tareas de transferencia de estilo.