量子增强自然语言生成：基于混合量子-经典架构的多模型框架
量子物理
2025-09-01 v1 计算与语言
机器学习
摘要
本文对比评估了量子文本生成模型与传统Transformer/MLP架构，应对量子计算在自然语言处理领域的日益增长兴趣。我们对比评估了五种不同模型：Transformer（基线）、量子核自注意力网络（QKSAN）、量子RWKV（QRWKV）和量子注意力序列架构（QASA），并在包括简单句子、短篇故事、量子短语、俳句诗歌和谚语等五个多样化数据集上进行实验。我们的评估采用包括困惑度、BLEU分数、词汇多样性、重复率和流畅度等多种指标来评估文本生成质量的不同方面。实验结果显示，尽管传统Transformer模型在整体上保持优越性，平均困惑度最低（1.21），BLEU-1得分最高（0.2895），但量子启发模型在特定场景下表现出竞争力。值得注意的是，QKSAN在保持零重复率的同时实现了竞争性的BLEU-1得分（0.2800），而QRWKV在某些任务中实现了完美的词汇多样性（Distinct-1 = 1.000）。
引用
@article{arxiv.2508.21332,
title = {Quantum-Enhanced Natural Language Generation: A Multi-Model Framework with Hybrid Quantum-Classical Architectures},
author = {Chi-Sheng Chen and En-Jui Kuo},
journal= {arXiv preprint arXiv:2508.21332},
year = {2025}
}