arXiv cs.AI· Worasait Suwannik·· 3 天前AI 评分12
基于双层音词画布的泰语 Klon Pad 单样本解码生成
Single-Sample Decoding of a Two-Layer Sound-Word Canvas Model for Thai Klon Pad
AI 导读
研究者提出一种泰语 Klon Pad 诗歌生成器，以 WangchanBERTa 初始化的掩码语言模型在双层画布上解码：音层以硬掩码约束押韵、声调与音节数，词层保证整词不被切分，温度 0.4 每主题单次采样，无筛选、重排或修复。
正文 · AI 翻译
摘要：我们提出了一种泰语 klon pad 诗歌生成器，根据一个简短主题生成一节诗，并在留出主题上将其与人类诗歌进行对比评估。该生成器是一个从 WangchanBERTa 初始化的掩码语言模型，在固定画布上分为两层：声音层由发音音节组成，其中押韵、声调和音节数作为硬掩码强制执行；词层由完整单词组成，因此没有单词被切分成书写片段。解码每次提交一个单元格，并以温度 0.4 采样；每个主题抽取一个样本，不进行选择、重排或修复。在 78 个从未用于开发的留出主题上，由冻结的 LLM 评判器在三个独立运行中、在与这些主题所据以写作的人类诗节相同的池中进行评判，70.5% 的生成诗节同时通过形式、全部四行的词汇洁净度和主题对齐，而人类诗节为 76.9%（差异 -6.4 个百分点，95% CI [-19.2, +6.4]）。洁净度与人类持平（85.9% 对 87.2%），并且诗节同时通过形式和洁净度的频率略高于人类诗节（+3.8 个百分点，[-6.4, +14.1]）；差异在于对齐（84.6% 对 91.0%），且这些主题是根据人类诗节写成的。低温度很重要：在更高温度下，同一模型在相同主题上通过的明显更少，因为词汇错误位于模型的较低概率选择中；锐化采样分布消除了其中大部分错误，代价是词汇量（7.5% 稀有词，而人类诗节为 16.5%）和多样性。预注册目标，即三项指标均在人类 5 个百分点以内，差了 1.4 个百分点。KlonSuphap-LM，据我们所知是唯一公开的 klon pad 生成器，在与该方法和人类诗节分开的池中评判时，78 个留出主题中没有一个通过（形式 19.2%，洁净度 3.8%）。
| Subjects: | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.14980 [cs.AI] |
| （或 arXiv:2610.14980v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14980 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Worasait Suwannik [查看电子邮件]
[v1]
2026年10月10日星期六 14:54:43 UTC（89 KB）
来源：arXiv cs.AI · arxiv.org