我们提出了一种泰国克隆帕德（klon pad）诗句生成器，能够根据短主题生成一段四行诗。模型基于 WangchanBERTa 的掩码语言模型，在固定画布上构建两层结构：声层记录发音音节并通过硬掩码强制押韵、声调和音节数；词层保存完整词汇，避免词被切分。解码时逐格填入，每格以温度 0.4 采样，一次抽取一个主题的样本，不进行后处理或重新排序。
在 78 个未见主题上进行评估，使用冻结的 LLM 判官对形式、词汇洁净度和主题匹配度进行三轮独立打分。生成的诗句在三项综合通过率为 70.5%，而人工诗句为 76.9%（差距 -6.4 点，95% CI [-19.2, +6.4]）。词汇洁净度与人工相当（85.9% vs 87.2%），形式+洁净度的综合通过率略高于人工 (+3.8 点，CI [-6.4, +14.1])，差距主要来源于主题匹配（84.6% vs 91.0%）。
温度对结果影响显著：提升温度会显著降低通过率，因为低概率词汇导致词汇错误；降低温度虽提升通过率，却导致稀有词使用率下降（7.5% vs 人工的 16.5%），多样性受限。预先设定的目标是三项指标均在人工水平 5 分以内，最终差距为 1.4 分。对比唯一公开的克隆帕德生成器 KlonSuphap-LM，在同样评估中形式通过率仅 19.2%，洁净度 3.8%，未通过任何主题。
点评：该工作展示了在严格形式约束下，单样本低温采样能够逼近人工水平，尤其在形式和洁净度上表现优异。但主题匹配仍是瓶颈，提升语义对齐或许需要更丰富的上下文建模或后处理策略。