PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.12599v1cs.CL

페르시아 속담 조건부 이야기 생성을 통한 대규모 언어 모델의 제약된 의미적 압축 해제

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

농밀하고 추상적인 속담을 매력적이고 도덕적으로 충실한 서사로 변환하는 것은 깊은 문화적 이해와 견고한 의미적 그라운딩(grounding)을 필요로 합니다. 우리는 이 문제를 *제약된 의미적 압축 해제* 작업으로 정의하고, 대규모 언어 모델(LLM)의 추상화에서 실현(abstraction-to-realization)을 위한 테스트베드로서 속담 조건부 이야기 생성을 연구합니다. 페르시아어에 초점을 맞춰, 우리는 속담과 인간이 작성한 이야기 및 명시적인 의미를 짝지은 Proverb Aligned Narrative Dataset (PAND) 데이터셋을 소개합니다. 인간 보정 LLM-as-a-Judge와 구조적 지표를 결합한 하이브리드 평가 프레임워크를 통해, 우리는 다양한 프롬프팅(prompting) 체제에서의 모델 행동을 분석합니다. 우리의 연구 결과는 지속적인 *압축 해제 격차(decompression gap)*를 보여줍니다: 현재의 LLM은 종종 강력한 표면적 유창성을 달성하지만, 속담에 인코딩된 근본적인 도덕적 및 인과적 구조를 충실히 구현(instantiate)하는 데에는 실패합니다. 우리는 또한 명시적 추론과 반복적 정제(iterative refinement)가 이러한 실패를 부분적으로 완화할 수 있음을 보여주며, 이는 많은 압축 해제 오류가 관련 지식의 완전한 부재가 아니라 추상적인 의미를 서사 형태로 번역하는 데서 오는 어려움에서 기인함을 시사합니다. 우리가 제안한 작업은 압축된 문화적 지식의 다른 형태로 자연스럽게 확장될 수 있습니다.