Constrained Semantic Decompression in LLMs through Persian Proverb-Conditioned Story Generation

📄 arXiv: 2606.12599 📥 PDF

作者: Zahra Habibzadeh, Paria Khoshtab, Amir Mesbah, Yadollah Yaghoobzadeh

分类: cs.CL

发布日期: 2026-06-12

💡 一句话要点

提出约束语义解压以解决大语言模型的故事生成问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大语言模型 谚语生成 语义解压 文化理解 故事生成 道德结构 数据集构建

📋 核心要点

  1. 核心问题：现有的大语言模型在将谚语转化为叙事时，常常无法忠实体现其内在的道德和因果结构。
  2. 方法要点：论文提出通过约束语义解压任务，利用谚语条件生成故事，增强模型的文化理解和语义基础。
  3. 实验或效果：研究表明，尽管模型在表面流畅性上表现良好，但仍存在解压差距，且通过明确推理和迭代优化可部分改善这一问题。

📝 摘要（中文）

将密集、抽象的谚语转化为引人入胜且道德上可信的叙事需要深厚的文化理解和稳健的语义基础。本文将此问题框定为约束语义解压任务，并以谚语条件的故事生成作为大型语言模型（LLMs）中抽象到实现的测试平台。我们聚焦于波斯语，推出了谚语对齐叙事数据集（PAND），将谚语与人类撰写的故事及其明确含义配对。通过结合人类校准的LLM评判与结构性指标的混合评估框架，我们分析了模型在多种提示机制下的表现。研究发现，当前LLMs在表面流畅性上表现良好，但未能忠实体现谚语中编码的道德和因果结构。我们进一步表明，明确的推理和迭代优化可以部分缓解这些失败，暗示许多解压错误源于将抽象意义转化为叙事形式的困难，而非完全缺乏相关知识。

🔬 方法详解

问题定义：本文旨在解决如何将抽象的谚语有效转化为引人入胜的叙事的问题。现有方法在实现这一目标时，往往无法忠实地反映谚语中的道德和因果结构，导致生成的故事缺乏深度和文化内涵。

核心思路：论文提出了一种约束语义解压的框架，专注于谚语条件的故事生成。这一设计旨在通过引入文化背景和语义理解，提升模型在生成过程中的表现，尤其是在道德和因果关系的体现上。

技术框架：整体架构包括数据集构建、模型训练和评估三个主要模块。首先，构建谚语对齐叙事数据集（PAND），然后训练大型语言模型，最后通过混合评估框架对模型生成的故事进行评估。

关键创新：最重要的技术创新在于引入了谚语条件生成的概念，并通过混合评估框架分析模型的表现。这与现有方法的本质区别在于，强调了文化和语义的结合，而不仅仅是语言的流畅性。

关键设计：在模型训练中，采用了特定的损失函数以优化道德和因果结构的体现，同时结合人类评判与结构性指标进行综合评估，以确保生成故事的质量和文化适应性。

📊 实验亮点

实验结果显示，当前大型语言模型在表面流畅性上表现良好，但在道德和因果结构的忠实体现上存在显著的解压差距。通过引入明确的推理和迭代优化，模型的生成质量得到了部分提升，表明这一方法在处理文化知识方面的有效性。

🎯 应用场景

该研究的潜在应用领域包括教育、文化传播和人工智能创作等。通过提升模型对文化谚语的理解能力，可以在故事生成、对话系统和内容创作等场景中实现更高的道德和文化适应性，进而增强用户体验和文化交流的深度。

📄 摘要（原文）

Transforming a dense, abstract proverb into an engaging and morally faithful narrative requires deep cultural understanding and robust semantic grounding. We frame this problem as a \emph{constrained semantic decompression} task and study proverb-conditioned story generation as a testbed for abstraction-to-realization in large language models (LLMs). Focusing on Persian, we introduce the Proverb Aligned Narrative Dataset (PAND), pairing proverbs with human-written stories and explicit meanings. By a hybrid evaluation framework that combines human-calibrated LLM-as-a-Judge with structural metrics, we analyze model behavior across multiple prompting regimes. Our findings reveal a persistent \emph{decompression gap}: current LLMs often achieve strong surface-level fluency while failing to faithfully instantiate the underlying moral and causal structure encoded in proverbs. We further show that explicit reasoning and iterative refinement can partially mitigate these failures, suggesting that many decompression errors arise from difficulties in translating abstract meaning into narrative form rather than a complete lack of relevant knowledge. Our proposed task naturally extends to other forms of compressed cultural knowledge.