量子科技中心_量科网

该论文针对量子计算在自然语言处理领域日益增长的应用需求，对量子文本生成模型与传统Transformer/MLP架构进行了全面评估。研究团队通过系统实验，在简单句子、短篇故事、量子术语、俳句诗歌和谚语等五类数据集上，比较了Transformer（基线模型）、量子核自注意力网络（QKSAN）、量子RWKV（QRWKV）和量子注意力序列架构（QASA）五种模型的性能。评估采用困惑度、BLEU分数、词汇多样性、重复率和流畅度等多项指标综合衡量文本生成质量。实验结果表明：虽然传统Transformer模型仍保持整体优势，其平均困惑度最低（1.21）、BLEU-1分数最高（0.2895），但量子启发模型在特定场景下展现出竞争力。值得注意的是，QKSAN在保持零重复率的同时获得0.2800的BLEU-1分数，而QRWKV在部分任务中实现了完美的词汇多样性（Distinct-1 = 1.000）。