論文の概要: ITLC at SemEval-2026 Task 11: Normalization and Deterministic Parsing for Formal Reasoning in LLMs

• arxiv url: http://arxiv.org/abs/2603.02676v1
• Date: Tue, 03 Mar 2026 07:02:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.68074
• Title: ITLC at SemEval-2026 Task 11: Normalization and Deterministic Parsing for Formal Reasoning in LLMs
• Title（参考訳）: SemEval-2026 Task 11のITLC: LLMにおける形式推論のための正規化と決定論的解析
• Abstract要約: 大規模言語モデルは推論タスク、特に多言語文脈における内容効果に悩まされる。 本稿では,これらのバイアスを明示的な構造的抽象化によって低減する新しい手法を提案する。 提案手法は,全サブタスクにまたがるトップ5のランキングを達成し,コンテンツ効果を大幅に低減する。
• 参考スコア（独自算出の注目度）: 9.363838558599863
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models suffer from content effects in reasoning tasks, particularly in multi-lingual contexts. We introduce a novel method that reduces these biases through explicit structural abstraction that transforms syllogisms into canonical logical representations and applies deterministic parsing to determine validity. Evaluated on the SemEval-2026 Task 11 multilingual benchmark, our approach achieves top-5 rankings across all subtasks while substantially reducing content effects and offering a competitive alternative to complex fine-tuning or activation-level interventions.
• Abstract（参考訳）: 大規模言語モデルは推論タスク、特に多言語文脈における内容効果に悩まされる。 本稿では、これらのバイアスを、シロジズムを正準論理表現に変換する明示的な構造抽象を通じて低減し、決定論的解析を用いて妥当性を判定する手法を提案する。 提案手法は,SemEval-2026 Task 11マルチリンガル・ベンチマークに基づいて,全サブタスクの上位5位を達成し,コンテンツ効果を大幅に低減し,複雑な微調整やアクティベーションレベルの介入に代わる競合的な代替手段を提供する。

関連論文リスト

• SEF-CLGC at SemEval-2026 Task 11: Logical Notation Impact on Language Model Performance [3.6047642906482142]
  本研究では,SemEval-2026 Task 11 Subtask 1: Disentangling Content and Formal Reasoning in Large Language Models上での推論性能を評価するために,形式論理表記とSLM(Small Language Models)を組み合わせる。 実験の結果,自然言語と記号言語の組み合わせで学習したSLMにのみ依存することで,作業内容の27.80%のスコアを達成でき,推論におけるコンテンツバイアスを大幅に低減できることがわかった。
  論文  参考訳（メタデータ） (2026-06-08T07:47:57Z)
• UFAL-CUNI at SemEval-2026 Task 11: An Efficient Modular Neuro-symbolic Method for Syllogistic Reasoning [2.622018851078979]
  本稿では,SemEval-2026 Task 11: Disentangling Content and Formal Reasoning in Large Language Modelsについて述べる。 我々は,記号型証明器と小推論LLMを組み合わせた,効率的なモジュラー型ニューロシンボリックアプローチを提案する。
  論文  参考訳（メタデータ） (2026-05-06T14:10:06Z)
• Moira: Language-driven Hierarchical Reinforcement Learning for Pair Trading [34.923407379006626]
  多くのシーケンシャルな意思決定問題は階層構造を示し、ハイレベルなセマンティックな選択は下流の動作を制限し、フィードバックは遅延し曖昧である。 この課題は、資産対選択のための長期水平意味推論と、部分的可観測性の下での短期水平実行を自然に組み合わせたドメインであるペアトレーディングを通じて研究する。 階層的強化学習問題としてペアトレーディングを定式化し,高レベルかつ低レベルのポリシを大言語モデル(LLM)でパラメータ化し,即時更新によってのみ最適化する言語駆動型最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-03T16:37:52Z)
• Multi-Granularity Reasoning for Natural Language Inference [9.242693439707006]
  本稿では,対話型推論空間における階層的意味的特徴を明示的に活用する新しいemphMulti-Granularity Reasoning Network(MGRN)を提案する。 複数の粒度のセマンティック情報をプログレッシブで構造化的に統合することにより、MGRNは自然言語表現の根底にある複雑なセマンティックな関係を明らかにすることができる。
  論文  参考訳（メタデータ） (2026-04-18T16:19:32Z)
• Resurfacing Paralinguistic Awareness in Large Audio Language Models [64.48666302711108]
  LALM(Large Audio Language Models)は、人間と音声との相互作用を拡張している。 LALMは通常そのようなパラ言語的な手がかりを無視し、クエリの内容のみに基づいて応答する。 本稿では,パラ言語対応機能を持つLALMに則って,パラ言語対応ファインチューニング(PE-FT)プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-03-12T13:56:42Z)
• What Really Counts? Examining Step and Token Level Attribution in Multilingual CoT Reasoning [0.03499870393443267]
  本研究では,多言語LLMにおけるChain-of-Thought(CoT)推論の帰属パターンについて検討した。 ステップレベルの属性に対するContextCiteとトークンレベルの属性に対するInseqの2つの補完属性手法をQwen2.5 1.5B-Instructモデルに適用する。 実験結果から,(1)帰属スコアは最終推論ステップ,特に不正確な世代において過度に強調され,(2)構造化CoTは高解像度ラテン文字言語の精度を著しく向上させ,(3)否定文や散逸文による制御摂動はモデル精度と帰属コヒーレンスを低下させる,といった重要な結果が得られた。
  論文  参考訳（メタデータ） (2025-11-19T21:23:58Z)
• On the Entity-Level Alignment in Crosslingual Consistency [62.33186691736433]
  SubSubとSubInjは、主題の英語翻訳を言語間のプロンプトに統合し、実際のリコール精度と一貫性を大きく向上させた。 これらの介入はモデルの内部ピボット言語処理を通じて概念空間における実体表現のアライメントを強化する。
  論文  参考訳（メタデータ） (2025-10-11T16:26:50Z)
• Code-Switching In-Context Learning for Cross-Lingual Transfer of Large Language Models [64.54005959758733]
  我々は,コードスイッチング・イン・コンテキスト・ラーニング(CSICL)を,推論中の翻訳障壁を克服するための原則的かつ堅牢なアプローチとして導入する。 4つのLLM、6つのデータセット、10の言語にわたる広範な実験を行い、知識集約型ドメインと推論指向ドメインの両方にまたがる。 その結果、CSICLはX-ICLベースラインを一貫して上回り、ターゲット言語と見当たらない言語の両方で3.1%pと1.9%pを達成した。
  論文  参考訳（メタデータ） (2025-10-07T08:35:42Z)
• Understanding Textual Capability Degradation in Speech LLMs via Parameter Importance Analysis [54.53152524778821]
  言語モデル(LLM)への音声の統合は、その能力を大幅に拡張したが、多くの場合、中核となるテキスト能力の弱さを犠牲にしている。 本稿では,パラメータ重要度推定に基づく分析フレームワークを提案する。 レイヤワイズ学習率スケジューリングとローランド適応(LoRA)の2つの緩和戦略について検討する。 実験結果から,両手法は完全な微調整よりもテキスト能力の維持が良好であるとともに,下流の質問応答性能も向上していることがわかった。
  論文  参考訳（メタデータ） (2025-09-28T09:04:40Z)
• From Language to Logic: A Bi-Level Framework for Structured Reasoning [6.075080928704587]
  自然言語入力に対する構造化推論は、人工知能における中核的な課題である。 本稿では,ハイレベルなタスク抽象化と低レベルなロジック生成という2段階のプロセスを通じて,言語を論理にマッピングする新しいフレームワークを提案する。 提案手法は既存のベースラインの精度を著しく上回り,精度は最大40%向上した。
  論文  参考訳（メタデータ） (2025-07-11T11:24:09Z)
• Fane at SemEval-2025 Task 10: Zero-Shot Entity Framing with Large Language Models [25.283401945003277]
  我々は,大規模言語モデル (LLM) のゼロショット機能の評価を行い,フレーミングの役割を分類する。 以上の結果から,まず広い役割ときめ細かな役割を同定する階層的アプローチが,単一段階の分類より優れていることが示唆された。
  論文  参考訳（メタデータ） (2025-04-29T07:10:53Z)
• Reasoning or Reciting? Exploring the Capabilities and Limitations of Language Models Through Counterfactual Tasks [71.19560970717495]
  最近の言語モデルは、幅広いタスクで印象的なパフォーマンスを示している。 これらのスキルは一般的で、移行可能か、あるいは事前トレーニング中に見られる特定のタスクに特化していますか? 本稿では,標準タスクの既定前提から逸脱する「数値的」タスク変種に基づく評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-05T17:50:42Z)
• UCAS-IIE-NLP at SemEval-2023 Task 12: Enhancing Generalization of Multilingual BERT for Low-resource Sentiment Analysis [24.542445315345464]
  本稿では,SemEval-2023 Task 12: Sentiment Analysis for African Languageについて述べる。 具体的には,語彙に基づく多言語BERTを設計し,言語適応と感情認識表現学習を容易にする。 提案システムは,多言語およびゼロショットの感情分類サブタスクにおいて,ベースラインをほぼ上回り,競争的な結果を得た。
  論文  参考訳（メタデータ） (2023-06-01T19:10:09Z)
• Simple Linguistic Inferences of Large Language Models (LLMs): Blind Spots and Blinds [59.71218039095155]
  我々は,ほとんどの人間が自明に感じる単純な推論タスクにおいて,言語理解能力を評価する。 我々は, (i) 文法的に特定された含意, (ii) 不確実性のある明らかな副詞を持つ前提, (iii) 単調性含意を目標とする。 モデルはこれらの評価セットに対して中程度から低い性能を示す。
  論文  参考訳（メタデータ） (2023-05-24T06:41:09Z)
• Synergies between Disentanglement and Sparsity: Generalization and Identifiability in Multi-Task Learning [79.83792914684985]
  我々は,最大スパース基底予測器が不整合表現をもたらす条件を提供する新しい識別可能性の結果を証明した。 この理論的な結果から,両レベル最適化問題に基づくアンタングル表現学習の実践的アプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-26T21:02:09Z)
• PALI-NLP at SemEval-2022 Task 4: Discriminative Fine-tuning of Deep Transformers for Patronizing and Condescending Language Detection [4.883341580669763]
  そこで我々は,PCL検出のための新しいトランスフォーマーモデルとそのアンサンブルを提案する。 PCLの微妙で主観的な性質の理解を容易にするために,2つの微調整戦略を適用した。 このシステムは公式ランキングにおいて顕著な結果、すなわちSubtask 1で1位、Subtask 2で5位となる。
  論文  参考訳（メタデータ） (2022-03-09T10:05:10Z)

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。