【书生·浦语】internlm2-chat-1.8b效果实测：中文诗歌格律检测与平仄校验

1. 模型简介与测试背景

InternLM2-1.8B是第二代书生浦语系列中的18亿参数版本，本次测试使用的是其聊天优化版本InternLM2-Chat-1.8B。这个模型在基础版本上经过监督微调和在线RLHF对齐，在指令遵循、聊天体验方面表现更佳。

中文诗歌创作是传统文化的重要组成部分，而格律和平仄校验是诗歌创作中的难点。传统上需要专业的知识和经验才能准确判断，现在我们可以通过AI模型来辅助完成这项任务。本次测试将重点考察模型在中文诗歌格律检测和平仄校验方面的能力。

测试环境基于Ollama部署的internlm2-chat-1.8b模型，通过简单的对话界面进行交互，无需复杂的技术背景即可使用。

2. 测试方法与评估标准

2.1 测试诗歌选择

为了全面评估模型的格律检测能力，我选择了不同朝代、不同体裁的经典诗歌作为测试样本：

• 唐代五言绝句：《静夜思》李白
• 唐代七言律诗：《登高》杜甫
• 宋代词牌：《水调歌头》苏轼
• 现代自由诗片段

2.2 评估维度

从以下几个维度对模型表现进行评估：

准确性：平仄判断是否正确，格律分析是否准确 详细程度：是否提供详细的解析过程 实用性：给出的建议是否具有可操作性 响应速度：生成回复的时间效率

2.3 测试提示词设计

采用渐进式的提问方式：

第一轮：简单询问"请分析这首诗的格律和平仄"
第二轮：针对模型回复中的疑点进行追问
第三轮：请求提供修改建议

3. 格律检测效果实测

3.1 五言绝句分析测试

以李白《静夜思》为例：

床前明月光，疑是地上霜。
举头望明月，低头思故乡。

模型回复摘要：

这是一首五言绝句，押平声韵。平仄分析如下： 首句：平平平仄平（床前明月光） 第二句：平仄仄仄平（疑是地上霜）
第三句：仄平仄平仄（举头望明月） 第四句：平平平仄平（低头思故乡） 整体符合五言绝句的平仄规律，但第二句"地上霜"的"上"字应为平声却用了仄声，属于拗句。

模型准确识别了诗歌体裁，平仄分析基本正确，还指出了其中的拗句现象，表现出不错的专业水平。

3.2 七言律诗深度分析

测试杜甫《登高》前四句：

风急天高猿啸哀，渚清沙白鸟飞回。
无边落木萧萧下，不尽长江滚滚来。

模型回复显示：

这是一首七言律诗，押灰韵。平仄格律为： 首联：平仄平平平仄平，仄平平仄仄平平 颔联：平平仄仄平平仄，仄仄平平仄仄平 完全符合七律的平仄对仗要求，体现了杜甫格律的精湛功力。

模型不仅准确分析了平仄，还指出了押韵和对仗关系，展现了深度的诗歌理解能力。

4. 平仄校验能力评估

4.1 复杂词牌分析

测试苏轼《水调歌头》片段：

明月几时有？把酒问青天。
不知天上宫阙，今夕是何年。

模型回复要点：

《水调歌头》属于词牌，格律要求相对灵活但仍有规律。此片段平仄为： 仄仄仄平仄，仄仄仄平平 仄平平仄平仄，平仄仄平平 符合该词牌的平仄要求，其中"几"、"把"等字在古代读音中与现代有所不同。

模型能够区分诗和词的不同格律要求，并考虑到古今音变的因素，表现相当专业。

4.2 错误检测能力

特意输入一首平仄混乱的"诗"进行测试：

春天花开很美，夏天太阳很晒。
秋天落叶纷纷，冬天雪花飘飘。

模型准确识别出问题：

这四句虽然押韵，但完全不符合任何格律诗的平仄要求。每句都是平平平平仄仄的重复模式，缺乏平仄变化。建议按照传统诗体格律进行修改。

这表明模型不仅会分析，还具备错误检测和指导改进的能力。

5. 实用功能测试

5.1 诗歌修改建议

请求模型对一首平仄有问题的诗提出修改建议：

原始诗句："江南美景入画来"（平仄：平平仄仄仄仄平）

模型建议：

原句"江南美景入画来"平仄为平平仄仄仄仄平，最后三字都是仄声，显得过于沉重。建议改为： "江南美景绘中来"（平平仄仄仄平平） 或"江南美景画图开"（平平仄仄仄平平） 这样更符合七言诗的平仄规律。

建议合理且提供了多个选项，实用性很强。

5.2 创作辅助功能

测试模型的诗歌创作能力：

提示："请创作一首描写春天景色的五言绝句，要求符合平仄格律"

模型生成：

春风吹绿柳，细雨润红花。 燕子归来早，田园处处家。

平仄分析：平平平仄仄，仄仄仄平平 仄仄平平仄，平平仄仄平 完全符合五绝格律要求。

生成的诗歌意境优美，格律准确，展现了不错的创作能力。

6. 模型优势与局限

6.1 显著优势

专业准确性高：在大多数测试中，模型的平仄分析和格律判断都相当准确 响应速度快：基于Ollama部署，响应迅速，体验流畅 使用门槛低：无需专业知识，通过自然对话即可获得专业分析 多功能性：既能分析也能创作，还能提供修改建议

6.2 当前局限

古今音变处理：偶尔会忽略一些字的古今读音差异 方言读音考虑：对于需要方言读音才能符合格律的情况处理不够完善 复杂词牌知识：对一些较少见的词牌格律掌握不够全面 创造性有限：生成的诗歌虽然格律正确，但艺术性还有提升空间

6.3 使用建议

为了获得最佳效果，建议：

1. 提供完整的诗歌文本，避免片段分析
2. 明确指出需要分析的方面（平仄、押韵、对仗等）
3. 对于有疑问的分析结果，可以进一步追问细节
4. 结合传统诗词知识书籍交叉验证重要分析结果

7. 总结

通过多轮测试，InternLM2-Chat-1.8b在中文诗歌格律检测和平仄校验方面表现出色。模型能够准确识别各种诗体和词牌的格律要求，提供专业的平仄分析，并能给出实用的修改建议。

对于诗词爱好者、学习者和创作者来说，这个模型是一个很有价值的辅助工具。它降低了格律分析的技术门槛，让更多人能够欣赏和创作符合传统格律的诗歌。

虽然在某些细节处理上还有提升空间，但整体表现已经相当令人满意。随着模型的持续优化，相信其在传统文化领域的应用会越来越广泛。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。