诗人与 LLM 都需要空格：为什么空格如此重要
计算与语言
2025-11-04 v1
摘要
空格是诗歌形式的关键组成部分，既体现对标准形式的遵循，也体现对这些形式的反叛。每首诗的空格分布反映了诗人的艺术选择，是该诗歌语义和空间特征的不可分割的组成部分。然而，尽管诗歌作为一种悠久的艺术形式以及大型语言模型（LLM）生成任务的热门选择，空格在 NLP 社区中仍未得到充分关注。我们使用来自诗歌基金会的 19 万首英文诗歌语料库，调查 4,000 名诗人如何使用其作品中的空格。我们公开了一部分 2,800 首已获公开领域授权并保留格式的诗歌，以便进一步研究。我们将已发表的诗歌的空格使用情况与（1）51,000 首由 LLM 生成的诗歌，以及（2）12,000 首发布于线上社区的未发表诗歌进行比较。我们也探索了空格在不同时间段、诗歌形式和数据来源中的使用情况。此外，我们发现不同的文本处理方法会导致对诗歌数据中空格表示产生显著差异，这促使我们讨论用于构建 LLM 预训练数据集的处理策略中的这些诗歌和空格模式的含义。
引用
@article{arxiv.2510.16713,
title = {so much depends / upon / a whitespace: Why Whitespace Matters for Poets and LLMs},
author = {Sriharsh Bhyravajjula and Melanie Walsh and Anna Preus and Maria Antoniak},
journal= {arXiv preprint arXiv:2510.16713},
year = {2025}
}