PoetryQwen：古诗词理解与翻译的专用大模型

本文介绍PoetryQwen——基于Qwen2.5-14B通过LoRA微调的古诗词专用模型。该模型使用新构建的CCPoetry-49K数据集，在CCL25-Eval Task5基准上实现9.7%性能提升，显著改善古诗词精确翻译和情感理解能力。

中华古典诗词语言凝练、意境深远，对NLP提出独特挑战。其理解需跨越语言（词汇古今异义、语法特殊、用典丰富）、文学（意象系统、格律要求、含蓄表达）、文化（历史背景、作者生平、审美传统）三个层面障碍。现有研究局限在于通用化处理忽视诗词独特性，且高质量专用数据集匮乏（规模小、质量参差、缺乏情感标注）。

1. 领域数据集构建：构建CCPoetry-49K数据集（49404条样本，覆盖词语解释/语义理解/情感推断，多体裁多时代），经多源整合、清洗对齐、人工校验。2. LoRA高效微调：基于Qwen2.5-14B-Instruct，LoRA秩64，学习率2e-4，训练3轮。3. 三任务联合训练：共享底层表示，任务特定输出头，动态权重调整，混合样本训练。

在CCL25-Eval Task5中，PoetryQwen得分0.757，较基线Qwen2.5-14B-Instruct（0.690）提升9.7%。子任务表现：词语解释（+9.4%）、语义理解（+9.3%）、情感推断（+10.5%，提升最显著）。与通用模型对比，专用化的PoetryQwen（14B）超越多个更大通用模型，证明领域专用化价值。

技术贡献包括：1. 数据集构建方法论（多源整合、质量控制、任务对齐）；2. 高效微调策略（LoRA配置、多任务训练）；3. 领域专用化原则（数据优先、任务分解、渐进适配、评估驱动）。这些经验可推广至其他垂直领域。

1. 教育辅助：为学生提供注释翻译、难句解析，帮助教师准备材料；2. 文化传承：支持诗词赏析平台、古籍数字化、知识图谱构建；3. 创意写作：辅助诗词创作、跨媒介改编（现代文、配图描述）。

当前局限：数据覆盖不全（冷门作品、方言诗词）、任务范围窄（侧重理解，生成任务待探索）、文化深度有限、未融合多模态。未来方向：扩展数据集至百万级、引入多模态数据、开发生成任务、整合历史知识库、增强交互性。