Shaer：以格律细分与语义约束生成阿拉伯诗歌

古典阿拉伯诗歌的生成需要同时满足语义、语言和细粒度的韵律约束。现有系统通常控制广泛的诗歌属性，但不会联合建模语义意图、格子形式和诗歌长度。我们提出 Shaer，一个可控的古典阿拉伯诗歌生成框架，以自然语言描述、格子子形式和目标半数计数为条件。为了支持这项任务，我们构建了一个丰富的语料库，其中包含源自 Ashaar 的 116,032 首古典阿拉伯诗歌，其中包含规范化的韵律子形式标签和自动生成的、经过验证的语义描述。然后，我们使用基于 QLoRA 的监督微调来调整 Yehia-7B，其目标仅是完成。我们的评估结合了对基准米一致性、所要求的子表格遵守情况和长度控制的自动评估，以及三位LLM评委、盲人评估和记忆分析。 Shaer的基米精度达到95.17%，诗级米子精度达到91.75%，精确计数精度达到83.40%。相对于未调整的 基础模型，这些结果分别代表了 68.68、57.77 和 38.93 个百分点的收益； Shaer 还获得了所有评估系统中最高的基准米精度。多LLM评估和对排名靠前的成果的盲人评估进一步表明了具有竞争力的语义和文学质量。最后，对所有 3,481 个测试代的分析发现，训练语料库或配对源诗歌中没有精确的副本。代码、模型和数据集是公开可用的。