Instruction-Guided Poetry Generation in Arabic and Its Dialects
本文介绍了一个基于指令的大规模现代标准阿拉伯语及其方言数据集，该数据集使大语言模型能够根据用户指定的风格、押韵等具体要求，可控地生成、修订和分析诗歌。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，阿拉伯诗歌是一座宏伟的古老图书馆，里面藏有数百万本精美的书籍。几个世纪以来，人们在这座图书馆里按照关于韵律、押韵和风格的严格规则创作诗歌，这就像按照特定的蓝图建造房屋。然而，直到如今，计算机（特别是大型语言模型或 LLM）大多还只是像图书管理员一样，只能阅读书籍、数页数或猜测作者是谁。它们并不擅长创作新诗，尤其是在被要求遵循特定规则或用不同地区口音（方言）写作时。
本文介绍了一个名为InstructPoet的新项目，它教会计算机如何自己成为诗人。以下是其做法的简明解释：
1. 食谱书（数据集）
要教会计算机烹饪，你需要一本好的食谱书。研究人员从互联网上收集了海量的阿拉伯诗歌，涵盖从古代到现代的所有作品。
- 清理工作：他们将这堆杂乱的诗歌整理成整齐统一的格式，就像把一盒杂乱无章的乐高积木分门别类地放入不同的收纳盒中。
- 标签：他们为每首诗添加了“元数据”（标签），标注诸如“浪漫”、“战争”、“阿拔斯王朝时期”或“海湾方言”等细节。
- 翻译：他们不仅使用了标准阿拉伯语（MSA），还创建了五种不同风味的指令：标准阿拉伯语加上四种主要方言（海湾、黎凡特、尼罗河谷和北非）。这就像教会计算机不仅要说正式的英语，还要会说德克萨斯英语、苏格兰英语和澳大利亚英语，以便它能自然地与任何人交流。
2. 四个训练游戏（任务）
他们并没有只是让计算机“写一首诗”，而是设置了四个具体的训练游戏，让计算机变得更聪明：
- 生成（空白页）：“用特定的韵律写一首关于大海的浪漫诗歌。”计算机必须从零开始创作。
- 续写（悬念）：“这是诗歌的前三行；请完成其余部分。”计算机必须在不打断流畅性的情况下延续故事和韵律。
- 修订（编辑）：“这里有一首带有拼写错误和韵律断裂的诗；请修正它。”计算机充当校对员，将诗歌恢复到完美状态。
- 分析（测验）：“阅读这首诗并告诉我：它来自哪个时代？它的押韵方案是什么？”计算机充当参加考试的评论家。
3. 课堂（模型训练）
研究人员选取了四台不同的“学生”计算机（现有的 AI 模型），利用这个新数据集对它们进行教学。
- 学生：他们使用了两种擅长多种语言的模型（LLaMA 和 Qwen）以及两种专攻阿拉伯语的模型（ALLaM 和 Fanar）。
- 教学方式：他们尝试了两种方法。一种是联合训练（一次性把所有游戏抛给学生），另一种是课程学习（先教简单的内容，如分析，将困难的内容，如从零创作，留到后面）。
4. 成绩单（结果）
训练结束后，他们通过两种方式测试了这些学生：
- 机器人评分员：他们使用另一款 AI 根据语法、流畅度以及计算机是否真正遵循了规则（如使用正确的押韵）等方面对诗歌进行评分。
- 人类评委：他们聘请了热爱诗歌的阿拉伯母语者阅读诗歌，并按 1 到 5 分进行评级。
发现：
- 巨大进步：训练之前，计算机在创作符合规则的诗歌方面表现糟糕。训练之后，它们有了显著提升。
- 最佳学生：原本就专为阿拉伯语设计的ALLaM模型，在训练后成为了顶尖诗人。它在流畅性和连贯性方面得分最高。
- 最难的任務：从零创作诗歌（生成）对计算机来说最容易。修正一首有缺陷的诗歌（修订）最难，因为这需要计算机在修正技术错误的同时理解诗歌的“灵魂”。
- 方言奏效：计算机在理解和用不同阿拉伯方言写作方面有了很大提高，而不仅仅局限于正式版本。
核心结论
本文并不声称计算机将取代人类诗人，也不声称它们目前能写出完美、动人心魄的杰作。相反，它表明我们现在可以构建一个数字助手，帮助人们创作诗歌。如果你想要一首特定风格、特定押韵、用你当地方言写成的诗，这个新系统可以帮你起草、修正错误，甚至分析你写的内容。它将计算机从被动的读者转变为主动的、遵循规则的创意伙伴。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。