通过波斯谚语条件故事生成实现 LLM 中的约束语义解压

将晦涩、抽象的谚语转变为引人入胜且道德上忠实的叙述，需要深刻的文化理解和坚实的语义基础。我们将这个问题描述为 \emph{约束语义解压缩} 任务，并研究谚语条件故事生成作为 大语言模型 (LLM) 中抽象到实现的测试平台。我们以波斯语为重点，引入了谚语对齐叙事数据集 (PAND)，将谚语与人类编写的故事和明确的含义配对。通过将人类校准的 LLM-as-a-Judge 与结构指标相结合的混合评估框架，我们分析了多种提示机制下的模型行为。我们的研究结果揭示了持续存在的\emph{减压差距}：当前的LLM常常达到很强的表面流畅性，但未能忠实地实例化谚语中编码的潜在道德和因果结构。我们进一步表明，显式推理和迭代细化可以部分缓解这些失败，这表明许多解压错误是由于将抽象意义转化为叙述形式时遇到困难而产生的，而不是完全缺乏相关知识。我们提出的任务自然延伸到其他形式的压缩文化知识。