論文の概要: Leveraging Lora Fine-Tuning and Knowledge Bases for Construction Identification

• arxiv url: http://arxiv.org/abs/2601.13105v1
• Date: Mon, 19 Jan 2026 14:43:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.933089
• Title: Leveraging Lora Fine-Tuning and Knowledge Bases for Construction Identification
• Title（参考訳）: 構造同定のためのロラ微調整と知識基盤の活用
• Authors: Liu Kaipeng, Wu Ling,
• Abstract要約: 本研究では,Leroをベースとした大規模言語モデルの微調整とRetrieval-Augmented Generationフレームワークを統合する。 イギリス国定企業からの注釈付きデータに基づいて二分分類を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study investigates the automatic identification of the English ditransitive construction by integrating LoRA-based fine-tuning of a large language model with a Retrieval-Augmented Generation (RAG) framework.A binary classification task was conducted on annotated data from the British National Corpus. Results demonstrate that a LoRA-fine-tuned Qwen3-8B model significantly outperformed both a native Qwen3-MAX model and a theory-only RAG system. Detailed error analysis reveals that fine-tuning shifts the model's judgment from a surface-form pattern matching towards a more semantically grounded understanding based.
• Abstract（参考訳）: 本研究では,LoRAに基づく大規模言語モデルの微調整をRAG(Retrieval-Augmented Generation)フレームワークに組み込むことにより,英語の2進的構造の自動識別について検討した。 その結果,LoRA微調整Qwen3-8BモデルがネイティブQwen3-MAXモデルと理論のみのRAGシステムの両方で有意に優れていた。 詳細なエラー解析により、微調整により、より意味論的に基礎付けられた理解に基づく表面形状のパターンマッチングから、モデルの判断が微調整されることが明らかになった。

関連論文リスト

• Disco-RAG: Discourse-Aware Retrieval-Augmented Generation [81.53888908988756]
  生成プロセスに談話信号を注入する談話認識フレームワークであるディスコRAGを提案する。 提案手法は,チャンク内談話木を構築し,局所階層を捕捉し,クロスパスコヒーレンスをモデル化するためのチャンク間修辞グラフを構築する。 質問応答と長期文書要約ベンチマークの実験から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2026-01-07T20:32:50Z)
• Supervised Contrastive Machine Unlearning of Background Bias in Sonar Image Classification with Fine-Grained Explainable AI [1.4610038284393168]
  音響ソナー画像解析は、物体の検出と分類において重要な役割を果たす。 高精度を実現する既存のAIモデルは、しばしば海底の特徴に過度に依存し、一般化が不十分になる。 i) 海底による背景バイアスを低減するために従来の三重項損失を拡大するTCUモジュール,(ii) 浮き彫りソナーフレームワーク(UESF) という2つの重要なモジュールを統合した新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-01T05:25:34Z)
• ORION Grounded in Context: Retrieval-Based Method for Hallucination Detection [2.2298542726382276]
  幻覚検出の枠組みとして「文脈に囲む」がある。 RAGアーキテクチャにインスパイアされた本手法は,検索モデルとNLIモデルを統合し,実際の一貫性を予測する。 本フレームワークは,RAGTruthの応答レベル分類タスクにおいて,F1スコア0.83の支持クレームを識別する。
  論文  参考訳（メタデータ） (2025-04-22T10:28:23Z)
• A Comprehensive Evaluation and Analysis Study for Chinese Spelling Check [53.152011258252315]
  音声とグラフィックの情報を合理的に使用することは,中国語のスペルチェックに有効であることを示す。 モデルはテストセットのエラー分布に敏感であり、モデルの欠点を反映している。 一般的なベンチマークであるSIGHANは、モデルの性能を確実に評価できない。
  論文  参考訳（メタデータ） (2023-07-25T17:02:38Z)
• Ordinal-ResLogit: Interpretable Deep Residual Neural Networks for Ordered Choices [6.982614422666432]
  我々は、完全に解釈可能なディープラーニングに基づく順序回帰モデルを開発する。 市場シェア、代替パターン、弾力性の定式化が導出される。 以上の結果から,Ordinal-ResLogitは従来の順序回帰モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-04-20T02:14:28Z)
• Interpretable Learning-to-Rank with Generalized Additive Models [78.42800966500374]
  ラーニング・ツー・ランクのモデルの解釈可能性は、非常に重要でありながら、比較的過小評価されている研究分野である。 解釈可能なランキングモデルの最近の進歩は、主に既存のブラックボックスランキングモデルに対するポストホックな説明の生成に焦点を当てている。 一般化加法モデル(GAM)をランキングタスクに導入することにより,本質的に解釈可能な学習 to ランクの基盤を築いた。
  論文  参考訳（メタデータ） (2020-05-06T01:51:30Z)
• Joint Contextual Modeling for ASR Correction and Language Understanding [60.230013453699975]
  言語理解(LU)と協調してASR出力の文脈的言語補正を行うマルチタスクニューラルアプローチを提案する。 そこで本研究では,市販のASRおよびLUシステムの誤差率を,少量のドメイン内データを用いてトレーニングしたジョイントモデルと比較して14%削減できることを示した。
  論文  参考訳（メタデータ） (2020-01-28T22:09:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。