Chandomitra：面向从自然语言输入生成结构化梵文诗歌的研究
计算与语言
2026-01-19 v2
摘要
利用大语言模型，文本生成已取得了卓越的性能。近期研究也充分表明，这些大语言模型能够胜任创造性生成任务，但主要集中在高资源语言上。这引出了一个基本问题：是否有办法利用这些（大）语言模型在诸如梵文等低资源语言中进行结构化诗歌生成？我们提出了 Chandomitra，一个从英文输入到结构化梵文诗歌的翻译数据集，专门遵循 Anushtubh 韵律。我们针对所提出的任务对各种开源与闭源模型进行了基准测试，并详细审查了诸如约束解码与指令微调等专门技术。我们的约束解码方法在生成符合韵律的有效梵文诗歌方面达到了 99.86% 的句法准确率，优于 GPT-4o（1-shot：31.24%）。另一方面，我们表现最佳的指令微调模型在与英文输入的语义连贯性上表现更好，代价是句法准确率略低。人工评估进一步表明，指令微调模型能够更好地捕捉诗歌特征。数据与代码已公开。
引用
@article{arxiv.2506.00815,
title = {Chandomitra: Towards Generating Structured Sanskrit Poetry from Natural Language Inputs},
author = {Manoj Balaji Jagadeeshan and Samarth Bhatia and Pretam Ray and Harshul Raj Surana and Akhil Rajeev P and Priya Mishra and Annarao Kulkarni and Ganesh Ramakrishnan and Prathosh AP and Pawan Goyal},
journal= {arXiv preprint arXiv:2506.00815},
year = {2026}
}