本文提出了一种利用非文言文生成古典诗歌的新任务，并采用了无监督机器翻译的方法，在语义上给予用户更多控制权，通过基于分词的填充和强化学习等方法，取得了很好的实验效果，同时探索了如何提高生成诗歌的输入口诀，得到了高质量的诗歌生成。

Aug, 2019

本研究使用 BART 和其他预训练模型，提出 FS2TEXT 和 RR2TEXT 以生成韵律诗和特定风格的诗歌文本，并解决了用户写作意图逐渐降低所生成的诗歌文本相关性的问题。同时，运用此模型进行的 AI 诗歌图灵测试显示高水平的诗歌爱好者不能区分 AI 生成的诗歌与人类的诗歌，显示出此模型在诗歌生成方面的出色表现。此模型有望帮助那些缺乏语言能力和创作灵感的现代诗人。

Nov, 2022

本文介绍了一个名为 Deep Poetry 的中国古典诗歌生成系统，它使用神经网络进行训练，并可以接受多模态输入。该系统可接受普通文本、图像或艺术概念等输入来生成中国古典诗歌，并且允许用户参与诗歌创作过程。该系统部署在微信小程序平台上，用户可在移动设备中随时随地使用。

Nov, 2019

本文提出了一种创新的两阶段诗歌生成方法，首先根据用户的写作意图规划诗歌的子主题，然后使用改进的循环神经网络编解码框架连续生成每行诗句，该规划方法可以确保生成的诗句具有连贯性和语义一致性，综合人工评价结果表明该方法优于现有诗歌生成方法，且诗歌质量与人类诗人相当。

Oct, 2016

使用大型语言模型从自然语言提示中生成越南诗歌，以提升内容控制能力。最佳模型为 GPT-3 Babbage 变体，在越南诗歌的 “luc bat” 类型上获得 0.8 的自定义评估分数。同时，探索将诗歌改写为普通文本提示的想法，在 “luc bat” 类型中获得 0.718 的较高分数。该实验展示了以翻译诗歌作为输入进行跨语言诗歌之间的翻译，并同时完全控制生成内容的潜力。

Jan, 2024

机器翻译在文学作品中，特别是诗歌翻译领域一直面临重大挑战。本研究通过使用有针对性的提示和小样本情景来评估 ChatGPT 在英中诗歌翻译任务中的性能，并提出了一种基于解释的诗歌机器翻译 (EAPMT) 方法，该方法利用单语诗歌解释作为翻译过程的指导信息。通过专业诗人的评估和使用 GPT-4 进行评估，人机评估结果都显示出我们的 EAPMT 方法优于 ChatGPT 的传统翻译方法和现有的在线系统。本文验证了我们的方法的有效性，并为机器辅助的文学翻译提供了新的视角。

Jun, 2024

本研究通过验证现行基于标记的大型语言模型在标记 - 字符关系方面的知识限制，并提出一种基于字符级或字节级标记的无标记模型，该模型在格式准确性方面表现优异，为解决生成中文古典诗歌的格式问题提供了一个可行的解决方案。

Jan, 2024

采用 RNN 编码器 - 解码器模型，基于序列 - 序列学习方法，以话题词为输入生成四行句（即汉语诗歌绝句），系统能学习单句语义及行与行之间的语义相关性，并利用结构、韵律和音调模式生成古诗，且无需任何限制性模板，实验结果表明我们的系统优于其他竞争系统，并发现注意力机制可以捕捉汉语古典诗歌中的词语联系，训练时颠倒目标行可以提高性能。

Apr, 2016

本文介绍了一种基于工作记忆模型的神经网络方法，用于自动生成中国诗歌，实验结果表明，该方法在诗歌的连贯性和表达自然性方面表现优异.

Sep, 2018

该研究旨在利用 GPT-2 生成机器生成的五行诗，在评估指标的基础上探讨好诗歌的量化方法，并呈现 94 首排名高的五行打油诗以激发人类的创造力。

May, 2022