PoeTone：面向受限的结构化中文诗词生成的 LLM 框架
计算与语言
2026-02-19 v2 机器学习
摘要
本文提出了对大型语言模型（LLM）在生成受限的结构化中文宋词（Songci）方面能力的系统性调查。宋词是一种由 Cipai 模板定义的严格的结构、声调和押韵约束的古典中文诗歌形式。我们首先开发了包括：（i）形式一致性评分、（ii）基于 LLM 的自动质量评估、（iii）人类评估以及（iv）基于分类的探测任务在内的综合性、多方面的评估框架。使用该框架，我们评估了 18 个 LLM 的生成性能，包括 3 个专有模型和 15 个开源模型，涵盖 4 个模型家族，在 5 种提示策略下进行测试：零-shot、one-shot、completion-based、instruction-based 和 chain-of-thought。最后，我们提出了 Generate-Critic 体系结构，其中评估框架作为自动批评家使用。利用批评家的反馈作为评分函数进行 best-of-N 选择，我们通过监督式微调（SFT）对 3 个轻量级开源 LLM 进行微调，形式一致性提升了最高可达 5.88%。我们的发现为理解 LLM 在生成具有文化意义且形式受限的文学文本方面的强项与局限性提供了新的见解。
引用
@article{arxiv.2508.02515,
title = {PoeTone: A Framework for Constrained Generation of Structured Chinese Songci with LLMs},
author = {Zhan Qu and Shuzhou Yuan and Michael Färber},
journal= {arXiv preprint arXiv:2508.02515},
year = {2026}
}