评估自动生成诗歌的多样性，通过比较自动生成诗歌的结构、词汇、语义和风格等维度的分布与人类诗歌的分布，并考察不同模型类型和微调类型，发现当前的自动生成诗歌系统在多个维度上缺乏多样性，但风格条件和字符级建模明显增加了多样性。这些限制可用于更加多样化的未来诗歌生成模型。

Jun, 2024

本文提出了一种新的方法，通过找到生成模型中有意义的方向来提高生成模型潜在空间的可解释性，从而精确地控制生成图像的特定属性，如位置或比例。该方法对于搜索编码生成图像的简单变换方向（如平移，缩放或颜色变化）特别适用，并在 GAN 和变分自动编码器模型的质量和量化方面得到了证明。

Jan, 2020

本文提出 SpaceFusion 模型，通过新型规则项，整合了序列到序列模型和自编码器模型的潜在空间，作了多样性和相关性的联合优化从而提高对话模型输出的质量。实验数据表明，与强基线相比，我们的方法在多样性和相关性方面都取得了极大改进。

Feb, 2019

本文研究了通过 EM 训练的混合模型在文本生成方面的应用，通过设计参数、优化模型选择和评估协议，提出了一些更为鲁棒的混合模型，相比于变分模型和多样的解码方法在翻译质量和多样性之间提供了更好的平衡点。

Feb, 2019

本研究提出了一种新型的条件变量自编码器，该自编码器通过加入反卷积神经网络来完全学习潜在变量中的主题信息，进一步利用增强的 word2vec 模型来提高韵律和对称性，从而显著提高了生成诗歌的相关性，让生成的诗歌具有一致主题和规则性。测试结果表明，生成的诗歌在大多数情况下都得到了很好的评价。

Nov, 2017

本文利用扩散模型分别在中文诗歌的 “宋词” 和 “十四行诗” 上进行了难点挑战的同时，结合了特殊的度量控制方法，提出一种新的自然语言生成模型，并得出了在两个数据集上的实验结果，表明我们的模型在语义、度量和整体性能方面优于现有模型。

Jun, 2023

通过 Seq-CVAE 模型，学习每一个单词位置的潜在空间，并仿照一个将来总结的表示来鼓励这个时间上的潜在空间捕捉如何完成句子的 “意图”，并在 MSCOCO 数据集上表现出了显著的多样性改进指标，同时在句子质量方面达到了同等水平。

Aug, 2019

本文研究以图像为输入生成多行诗歌的任务，通过提出多个深度神经网络模型，包括一个深度视觉 - 诗歌嵌入模型、一个多模式鉴别器和一个诗歌风格鉴别器，并且通过多重对抗性训练方法，实现跨模态关联和保证诗意的诗歌生成能力。实验结果表明，本论文提出的方法优于现有的诗歌生成算法。

Apr, 2018

本研究提出了一种新方法，使用对比学习和潜在编码来进行前景生成，实现了明确控制各种因素，获得多样性和可控性的生成结果，比现有技术更优秀。

Nov, 2022

本文探讨了基于神经语言模型和音节的诗歌生成问题，在 Dante Alighieri 的作品中进行了实验分析，结果表明生成的三行诗在句法、语法和诗歌风格上与 Dante 的真正作品相差不大。

Aug, 2019