检测和指导 LLM 生成的具有可解释的形式级特征的韩国诗歌

LLM 经常与现代韩国诗歌作斗争，产生类似于“断行散文”的输出。我们解决了两个耦合任务：检测一首韩国诗歌是人类还是 LLM 创作的，并指导 LLM 生成形式更接近人类写作的诗歌。我们沿着四个形式级语言维度量化人类与LLM的差距：输出长度（体积）、行最终形式的多样性和连接使用（结构变异）、行长度的不规则性（节奏不规则性）以及对标准正字法的遵守（规范遵守）。我们将这些维度运作为五个可解释的特征。对于检测，这五个特征的逻辑回归分类器在七个未见过的 LLM 的零样本分布外检测中获得了 83.60 的平均 AUC-ROC，而我们比较中最强的基线 KatFishNet 的平均 AUC-ROC 为 75.84，绝对增益为 7.76 AUC 点，相对改进为 10.23%；我们的分类法之外的一种特定于生成器的标点符号模式仍然是一种边界情况。对于生成而言，GPT-5.2 的专家评估更喜欢特征引导的诗歌而不是无约束的基线，并且 GPT-5.2 和 Gemini-3 的分析表明，目标长度、节奏和结尾统计数据朝着人类分布的方向发展。这些结果表明，可解释的、特定于语言的特征可以在诊断和指导 LLM 生成的诗歌之间架起桥梁。