ザフラ・ハビブザデ氏ら4名の著者チームは2026年6月10日、計算と言語（cs.CL）分野の論文「Constrained Semantic Decompression in LLMs through Persian Proverb-Conditioned Story Generation（ペルシャ語の諺を条件とした物語生成を通じたLLMにおける制約付き意味圧縮解除）」をarXivに投稿した。論文番号はarXiv:2606.12599v1で、同日18:54:07 UTCに提出され、ファイルサイズは約3,394 KBである。研究では、簡潔で抽象的な諺を、道徳的に忠実で魅力的な物語へと変換する課題を「制約付き意味圧縮解除（constrained semantic decompression）」と位置づけ、大規模言語モデル（LLM）における抽象から具体への実現能力を調べるテストベッドとして扱っている。
この変換には深い文化的理解と頑健な意味的グラウンディングの両方が不可欠だと研究は指摘する。著者らはペルシャ語に焦点を当て、「Proverb Aligned Narrative Dataset（PAND）」を構築した。これは諺を、人間が執筆した物語および明示的な意味説明と対にして収録したデータセットであり、体系的な評価の基盤となる。
評価手法としては、人間による較正を経た「LLM-as-a-Judge」と構造的指標を組み合わせたハイブリッドな評価枠組みを採用し、複数のプロンプティング方式の下でモデルの挙動を分析した。
その結果、持続的な「圧縮解除ギャップ（decompression gap）」が明らかになった。現在のLLMは表層的な流暢さでは高い性能を示す一方で、諺に込められた道徳的・因果的な構造を忠実に具現化することには失敗しがちである。さらに著者らは、明示的な推論と反復的な洗練によってこうした失敗を部分的に緩和できることを示し、多くの圧縮解除エラーが、関連知識の完全な欠如ではなく、抽象的な意味を物語形式へ翻訳することの難しさに由来することを示唆している。論文は、この課題が他の形式の圧縮された文化的知識にも自然に拡張できると述べている。
広い観点では、本研究は文化的知識を高度に圧縮された情報として捉え、語りをその復元プロセスとして位置づける点に意義がある。PANDデータセットとハイブリッド評価枠組みは後続研究に再利用可能な評価ツールを提供し、「圧縮解除ギャップ」という概念は、流暢な出力が忠実な意味の実現を意味するわけではないことを示している。これは、含意された意味を理解し伝達することをモデルに求めるあらゆる応用にとって重要な示唆となる。投稿履歴によれば、初版はAmirhossein Mesbah氏によって提出され、PDF全文、TeXソース、ライセンスへのリンクが提供されている。また、DataCite発行（登録手続き中）のDOI（10.48550/arXiv.2606.12599）を通じて引用可能である。