超越诗歌：大语言模型能否生成古典阿拉伯语玛卡梅？

一项 arXiv 论文首次对 LLM 生成玛卡梅（maqama）进行受控评测。研究者用零样本、少样本和基于规则的提示方式比较五个模型，并通过人工标注与 LLM-as-a-judge 从修辞丰富度、saj 密度、结构连贯性和风格真实性等维度评估。结果显示提示策略显著影响风格质量：少样本提示最稳定地提升 saj 密度，而 GPT-4o 与 GPT-5.4-mini 在规则提示下修辞和连贯性获益最大；但零样本提示在五个模型上的总分最高。

此前 LLM 创意写作评测多集中于现代语言变体和诗歌，古典散文传统如玛卡梅基本未被研究。该研究把评测对象扩展到有严格韵律和修辞约束的古典文体，并首次给出多模型、多提示策略的对照结果，说明表面流畅不等于深层文学能力。

玛卡梅依赖押韵散文 saj、密集修辞和分段叙事结构，对模型的风格约束能力要求高。不同提示策略等于向模型注入不同强度的风格样例或规则：少样本提供模仿样本，规则提示提供显式约束，零样本则留给模型自身先验。结果显示各策略在不同维度上各有优劣，且模型间存在系统性风格差异。

对做多语言或文化内容生成的产品，提示工程不能只看总分，需要按文体维度选择策略；可考虑内置少样本或规则模板来提升押韵与修辞密度。评测本身也提示，需要引入人工标注与多评审模型交叉验证，避免单一 LLM 评分偏差。

• 为阿拉伯语等古典文体内容工具内置分文体的提示模板库，按 saj 密度、修辞等维度分别配置少样本与规则提示。
• 搭建面向创意写作的评测管线，同时接入人工标注与两个独立 LLM judge，输出分维度评分而非单一总分。
• 面向阿拉伯语文学教育或内容创作场景，提供玛卡梅风格的辅助生成与风格诊断功能，并明确标注模型间风格差异。

• 证据未说明五个模型除 GPT-4o、GPT-5.4-mini 外的具体身份与版本。
• 未给出各提示策略下各维度的具体数值和统计显著性结果。
• 第二次独立 LLM judge 的选取方式与一致性水平尚未在摘录中说明。