本文通过研究一项重要问题，提出了 ProFTAP 评估框架，将其应用于目前的大型语言模型（LLMs）并发现最新的 LLMs 确实具备了与人类几乎无法区分的写作古典汉诗的能力，同时揭示多个开源 LLMs 能够胜过 GPT-4 在这一任务上。

Jan, 2024

本文通过基于注意力机制的循环神经网络，利用一组关键字作为主题，生成类似于人类古诗词的诗歌，方法包括字符向量初始化、注重输入和混合式训练等技术。相比于现有的诗歌生成方法，我们的模型生成的诗歌与主题更加一致，语义更加丰富。

Jun, 2016

利用预训练语言模型生成高质量文言诗的简单有效方法。该方法采用 GPT 模型，生成各种形式的文言诗，包括绝句、律诗、词牌和对联。同时进行了微调并实现了生成藏头诗的方法。我们已在微信上发布了一个在线演示程序，以展示这种方法在生成文言诗方面的能力。

Jun, 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

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

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

本文针对中国古典诗歌研究领域中诗歌风格的分析进行了探讨，通过构建最完善的中文古诗数据集，训练基于 BART-poem 预训练模型的通用诗歌风格判断方法，引入深度学习到计算风格研究中，提供了一种新的研究方法，试图用这种方法解决唐宋时期的诗歌风格识别问题。实验证明，该模型对于代表诗歌流派的诗人的诗歌进行的判定结果与先贤的结论基本一致，更好地解决了唐宋时期诗歌风格辨识的任务。

Nov, 2022

本文提出了一种新的中文诗歌生成机制 ——Salient-Clue 机制，该机制从每一行中自动选择最显著的字符逐渐形成显著线索来指导接下来的诗歌生成过程，以消除中断和提高连贯性，并能够灵活地扩展到不同方面的诗歌控制，例如诗歌风格等，实验结果表明，此机制效果显著，胜过三个强基线。

Sep, 2018

使用增强记忆的神经网络模型在中国古诗文的生成中，通过将神经网络和增强内存结合使用，来平衡规则与美学，实现符合规范和有创意的诗歌生成，并提供了生成不同风格诗歌的灵活性。

May, 2017