💬 NLP

Instruction-Guided Poetry Generation in Arabic and Its Dialects

Este artículo presenta un conjunto de datos a gran escala basado en instrucciones en árabe estándar moderno y sus dialectos que permite a los Modelos de Lenguaje Grandes generar, revisar y analizar poesía de manera controlada según requisitos específicos del usuario como el estilo y la rima.

Autores originales: Abdelrahman Sadallah, Kareem Elozeiri, Mervat Abassy, Rania Elbadry, Mohamed Anwar, Abed Alhakim Freihat, Preslav Nakov, Fajri Koto

Publicado 2026-05-01

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Abdelrahman Sadallah, Kareem Elozeiri, Mervat Abassy, Rania Elbadry, Mohamed Anwar, Abed Alhakim Freihat, Preslav Nakov, Fajri Koto

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina la poesía árabe como una gran biblioteca antigua llena de millones de libros hermosos. Durante siglos, las personas han escrito poemas en esta biblioteca utilizando reglas estrictas sobre ritmo, rima y estilo, muy parecido a construir una casa con planos específicos. Sin embargo, hasta ahora, las computadoras (específicamente los Modelos de Lenguaje Grandes o LLM) han sido principalmente como bibliotecarios que solo pueden leer los libros, contar las páginas o adivinar quién los escribió. No han sido muy buenos escribiendo poemas nuevos por sí mismos, especialmente cuando se les pide seguir reglas específicas o escribir en diferentes acentos regionales (dialectos).

Este artículo presenta un nuevo proyecto llamado InstructPoet, que enseña a las computadoras a convertirse en poetas ellas mismas. Así es como lo hicieron, explicado de forma sencilla:

1. El Libro de Recetas (El Conjunto de Datos)

Para enseñar a una computadora a cocinar, necesitas un buen libro de recetas. Los investigadores reunieron una colección masiva de poemas árabes de internet, que abarca desde la antigüedad hasta la actualidad.

La Limpieza: Organizaron este desordenado montón de poemas en un formato uniforme y ordenado, como ordenar una caja revuelta de LEGOs en contenedores clasificados.
Las Etiquetas: Agregaron "metadatos" (etiquetas) a cada poema, marcándolos con detalles como "Romántico", "Guerra", "Era Abasí" o "Dialecto del Golfo".
La Traducción: No solo utilizaron el árabe estándar (MSA). Crearon instrucciones en cinco sabores diferentes: árabe estándar más cuatro dialectos principales (Golfo, Levantino, Valle del Nilo y Norte de África). Esto es como enseñar a la computadora a hablar no solo inglés formal, sino también inglés texano, escocés y australiano, para que pueda hablar con cualquiera de forma natural.

2. Los Cuatro Juegos de Entrenamiento (Las Tareas)

En lugar de simplemente pedirle a la computadora que "escriba un poema", establecieron cuatro juegos de entrenamiento específicos para hacerla más inteligente:

Generación (La Página en Blanco): "Escribe un poema romántico sobre el mar usando un ritmo específico". La computadora tiene que crear algo desde cero.
Continuación (El Cliffhanger): "Aquí están las primeras tres líneas de un poema; por favor, termina el resto". La computadora debe mantener la historia y el ritmo sin romper el flujo.
Revisión (El Editor): "Aquí hay un poema con algunos errores tipográficos y un ritmo roto; arréglalo". La computadora actúa como un corrector de pruebas, restaurando el poema a su estado perfecto.
Análisis (El Cuestionario): "Lee este poema y dime: ¿De qué época es? ¿Cuál es el esquema de rima?". La computadora actúa como un crítico que rinde un examen.

3. El Aula (Entrenando los Modelos)

Los investigadores tomaron cuatro computadoras "estudiante" diferentes (modelos de IA existentes) y las enseñaron usando este nuevo conjunto de datos.

Los Estudiantes: Utilizaron dos modelos que son buenos en muchos idiomas (LLaMA y Qwen) y dos que se especializan en árabe (ALLaM y Fanar).
El Estilo de Enseñanza: Probaron dos métodos. Uno fue el Entrenamiento Conjunto (lanzar todos los juegos al estudiante a la vez) y el otro fue el Aprendizaje Curricular (enseñar primero lo fácil, como el análisis, y guardar lo difícil, como escribir desde cero, para después).

4. El Boletín de Calificaciones (Resultados)

Después del entrenamiento, probaron a los estudiantes de dos maneras:

El Calificador Robot: Utilizaron otra IA para calificar los poemas en aspectos como gramática, fluidez y si la computadora realmente siguió las reglas (como usar la rima correcta).
Los Jueces Humanos: Contrataron hablantes nativos de árabe que aman la poesía para leer los poemas y calificarlos en una escala del 1 al 5.

Los Hallazgos:

Mejora Enorme: Antes del entrenamiento, las computadoras eran terribles escribiendo poesía que siguiera reglas. Después del entrenamiento, mejoraron significativamente.
El Mejor Estudiante: El modelo ALLaM, que ya estaba diseñado para el árabe, se convirtió en el mejor poeta después del entrenamiento. Obtuvo la puntuación más alta en fluidez y coherencia.
La Tarea Más Difícil: Escribir un poema desde cero (Generación) fue lo más fácil para las computadoras. Corregir un poema roto (Revisión) fue lo más difícil, porque requería que la computadora entendiera el "alma" del poema mientras corregía los errores técnicos.
Los Dialectos Funcionaron: Las computadoras mejoraron mucho en entender y escribir en diferentes dialectos árabes, no solo en la versión formal.

La Conclusión

Este artículo no afirma que las computadoras reemplazarán a los poetas humanos o que pueden escribir obras maestras perfectas y conmovedoras todavía. En cambio, muestra que ahora podemos construir un asistente digital que ayude a las personas a escribir poesía. Si quieres un poema en un estilo específico, con una rima específica, en tu dialecto local, este nuevo sistema puede ayudarte a bosquejarlo, corregir tus errores o incluso analizar lo que has escrito. Convierte a la computadora de un lector pasivo en un socio creativo activo que sigue las reglas.

A continuación se presenta un resumen técnico detallado del artículo "Generación de poesía guiada por instrucciones en árabe y sus dialectos".

1. Planteamiento del Problema

A pesar del papel central de la poesía en la cultura y el idioma árabes, los Modelos de Lenguaje de Gran Escala (LLM) actuales tienen dificultades con la generación de poesía árabe controlable. La investigación existente se ha centrado predominantemente en tareas analíticas (por ejemplo, detección de métrica, atribución de autoría, clasificación de temas) utilizando conjuntos de datos relativamente pequeños. Existe una brecha significativa en:

Capacidades Generativas: Pocos modelos pueden generar poesía que se adhiera a restricciones estructurales estrictas (métrica, rima) y requisitos estilísticos.
Diversidad Dialectal: La mayoría de los trabajos existentes se limitan al Árabe Estándar Moderno (MSA), descuidando la rica diversidad de dialectos regionales (del Golfo, Levantino, del Norte de África, del Valle del Nilo).
Seguimiento de Instrucciones: Los modelos actuales a menudo no logran seguir instrucciones complejas del usuario sobre restricciones (por ejemplo, "Escribe un poema romántico en estilo abasí utilizando la métrica Basīṭ").

2. Metodología

Los autores proponen un marco integral que involucra la construcción de conjuntos de datos, el ajuste fino con instrucciones (IFT) y una evaluación rigurosa.

A. Construcción del Conjunto de Datos

El equipo aggregó un corpus masivo de fuentes públicas (PoetsGate, Adab, Ashaar, etc.) y lo procesó mediante una tubería de múltiples pasos:

Unificación y Limpieza: Estandarización de las estructuras de verso (un verso por línea), eliminación de poemas de un solo verso y normalización de metadatos (época, género, métrica).
Riqueza de Metadatos: Se utilizó Gemini 2.5 Pro para generar automáticamente metadatos semánticos, incluyendo palabras clave (temas) y frases clave (resúmenes sintácticos), logrando un 96% de calidad en la evaluación manual.
Deduplicación: Eliminación de duplicados intra-fuente y aseguramiento de que no hubiera filtración de datos entre los conjuntos de entrenamiento y prueba (excluyendo específicamente el punto de referencia FannOrFlop del entrenamiento).
Creación de Plantillas de Instrucción:
- Tareas: Se definieron cuatro tareas principales: Generación (componer nuevos poemas), Continuación (completar poemas parciales), Revisión (corregir poemas corruptos o dañados) y Análisis (Preguntas de Opción Múltiple sobre metadatos).
- Subtareas: Se crearon 54 subtareas dirigidas a restricciones específicas (por ejemplo, condicionadas por rima, métrica, época o dialecto).
- Cobertura Lingüística: Se diseñaron plantillas de instrucción en Árabe Estándar Moderno (MSA) y cuatro dialectos principales (del Golfo, Levantino, del Valle del Nilo, del Norte de África).
- Escala: El conjunto de datos final contiene 1,35 millones de pares de entrenamiento y 24,8 mil pares de prueba, con 3.220 plantillas de instrucción únicas.

B. Entrenamiento del Modelo

Los autores ajustaron finamente cuatro LLM distintos utilizando LoRA (Adaptación de Bajo Rango):

Modelos: Dos modelos centrados en árabe (ALLaM-7B, Fanar-1-9B) y dos modelos multilingües (LLaMA-3-8B, Qwen3-8B).
Regímenes de Entrenamiento:
1. Entrenamiento Conjunto: Todas las tareas mezcladas y optimizadas juntas.
2. Aprendizaje Curricular: Tareas presentadas en orden de dificultad creciente (Análisis $\to$ Continuación $\to$ Generación $\to$ Revisión).

C. Marco de Evaluación

Se empleó una estrategia de evaluación multifacética:

LLM como Juez: Se utilizó Gemini 2.5 Flash para evaluar el cumplimiento, la fluidez, la coherencia y la calidad poética en una escala de 1 a 5.
Métricas Automatizadas: Se utilizó lm-eval-harness para la precisión de las preguntas de opción múltiple y métricas estándar (BERTScore, ROUGE-L, Adherencia a la Rima) para tareas de generación.
Evaluación Humana: Dos expertos literarios nativos de habla árabe evaluaron 400 muestras generadas a ciegas en las cuatro criterios.

3. Contribuciones Clave

Conjunto de Datos InstructPoet-Ar: El primer conjunto de datos a gran escala basado en instrucciones para poesía árabe que cubre el MSA y cuatro dialectos principales, apoyando la generación, continuación, revisión y análisis.
Marco de Tareas Integral: Un sistema unificado que maneja 54 subtareas que conectan la generación creativa y la comprensión analítica.
Robustez Dialectal: Se demostró que el ajuste fino con instrucciones mejora significativamente el rendimiento del modelo en diversos dialectos árabes, no solo en el MSA.
Aprendizaje Curricular vs. Entrenamiento Conjunto: Se proporcionó evidencia empírica sobre cómo los regímenes de entrenamiento afectan el aprendizaje de la estructura poética, mostrando que la exposición estructurada (currículo) a menudo ayuda en habilidades específicas.

4. Resultados

Evaluación Automatizada y con LLM como Juez

Dificultad de la Tarea: El rendimiento siguió el gradiente de dificultad esperado: Generación (más fácil) > Continuación > Revisión (más difícil).
Dialectos: El ajuste fino mejoró el rendimiento en todos los dialectos sin que un solo dialecto fuera consistentemente "más fácil" o "más difícil".
Rendimiento del Modelo:
- ALLaM-7B (centrado en árabe) superó consistentemente a los demás, logrando las puntuaciones más altas en fluidez y coherencia.
- Qwen3-8B mostró la mayor mejora relativa (+63%) después del ajuste fino, sugiriendo una fuerte adaptabilidad a pesar de una base más débil en árabe.
- Aprendizaje Curricular: Generalmente produjo mejoras leves sobre la mezcla aleatoria, particularmente en tareas estructuradas.

Evaluación Humana

Ganancias Significativas: Los modelos ajustados finamente superaron significativamente a sus contrapartes base.
- ALLaM-7B (AF): Puntuó 3,99/5,0 (subiendo desde 3,02).
- Qwen3-8B (AF): Puntuó 3,66/5,0 (subiendo desde 2,24).
Fortalezas: La Fluidez y la Coherencia fueron las áreas más fuertes, acercándose a menudo a la calidad a nivel humano.
Debilidades: La Calidad Poética (profundidad artística, metáfora) permaneció como la dimensión con la puntuación más baja (máximo 3,82/5,0), lo que indica que, aunque los modelos pueden imitar la estructura, capturar el verdadero matiz artístico sigue siendo un desafío.
Significancia Estadística: Todas las mejoras fueron estadísticamente significativas ( $p < 0,0001$ ).

5. Significado y Trabajo Futuro

Cerrando la Brecha: Este trabajo cambia el enfoque del análisis pasivo a la creación activa y controlable en el PLN árabe, habilitando herramientas prácticas para escritores y educadores.
Preservación Cultural: Al apoyar dialectos y épocas históricas, el marco ayuda a preservar y generar diversas formas del patrimonio literario árabe.
Limitaciones:
- La dependencia de LoRA en lugar del ajuste fino completo puede limitar la captura de matices estilísticos complejos.
- El conjunto de datos está fuertemente sesgado hacia la poesía histórica/clásica; la poesía contemporánea y en verso libre están subrepresentadas.
Direcciones Futuras: Los autores planean expandirse hacia la poesía contemporánea, el verso libre y el ajuste fino completo de modelos más grandes para mejorar aún más la profundidad artística y la cobertura dialectal.

En conclusión, InstructPoet-Ar establece un nuevo punto de referencia para la generación de poesía árabe, demostrando que los LLM ajustados con instrucciones pueden manejar eficazmente las complejas restricciones estructurales, rítmicas y dialectales de la poesía árabe, aunque queda un espacio significativo para mejorar en la creatividad artística.