Shaer: generazione controllata di poesia araba con condizionamento sulla sottovariante metrica e sul contenuto semantico

Abstract degli autori

Generare poesia araba classica richiede di rispettare contemporaneamente vincoli semantici, linguistici e prosodici dettagliati. I sistemi esistenti controllano in genere caratteristiche poetiche generali, ma non modellano congiuntamente l’intento semantico, la sottovariante metrica e la lunghezza del componimento. Presentiamo Shaer, un sistema per la generazione controllabile di poesia araba classica, condizionato congiuntamente da descrizioni in linguaggio naturale, sottovarianti metriche e numeri prestabiliti di emistichi. Per questo compito, abbiamo creato un corpus arricchito di 116.032 poesie arabe classiche derivate da Ashaar, con etichette normalizzate delle sottovarianti metriche e descrizioni semantiche generate automaticamente e convalidate. Abbiamo poi adattato Yehia-7B mediante fine-tuning supervisionato basato su QLoRA, con un obiettivo limitato al completamento. La valutazione combina misure automatiche della conformità al metro di base, del rispetto della sottovariante richiesta e del controllo della lunghezza con il giudizio di tre LLM, una valutazione umana in cieco e un’analisi della memorizzazione. Shaer raggiunge un’accuratezza del 95,17% per il metro di base, del 91,75% per la sottovariante metrica a livello di componimento e dell’83,40% per il numero esatto di emistichi. Rispetto al modello di base non sottoposto a fine-tuning, questi risultati corrispondono a miglioramenti rispettivamente di 68,68, 57,77 e 38,93 punti percentuali; Shaer ottiene inoltre la più alta accuratezza per il metro di base fra tutti i sistemi valutati. La valutazione condotta da più LLM e la valutazione umana in cieco dei risultati con i punteggi più alti indicano inoltre una qualità semantica e letteraria competitiva. Infine, l’analisi di tutte le 3.481 generazioni di test non rileva copie esatte di poesie presenti nel corpus di addestramento né delle poesie originali associate. Codice, modelli e dataset sono disponibili pubblicamente.