論文の概要: Rashid: A Cipher-Based Framework for Exploring In-Context Language Learning

• arxiv url: http://arxiv.org/abs/2603.22497v1
• Date: Mon, 23 Mar 2026 19:03:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.15721
• Title: Rashid: A Cipher-Based Framework for Exploring In-Context Language Learning
• Title（参考訳）: Rashid: インコンテキスト言語学習を探求する暗号ベースのフレームワーク
• Authors: Niyati Bafna, Ryan Soh-Eun Shim, Barbara Plank, David Yarowsky, Hale Sirin,
• Abstract要約: 我々は、HRL(High-Resource Language)を可逆的に暗号化し、HRLに利用可能な幅広いリソースにアクセス可能な真に見えない言語を構築する。 我々は,本フレームワークを用いて,SOTA評価ツールと手動解析を用いて現場における現在の手法の評価を行い,ICLLの改善における潜在的に高価な資源の有用性を探求し,機械翻訳を超えたリッチな下流タスクにおけるICLL戦略をテストする。
• 参考スコア（独自算出の注目度）: 37.852900444187384
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Where there is growing interest in in-context language learning (ICLL) for unseen languages with large language models, such languages usually suffer from the lack of NLP tools, data resources, and researcher expertise. This means that progress is difficult to assess, the field does not allow for cheap large-scale experimentation, and findings on ICLL are often limited to very few languages and tasks. In light of such limitations, we introduce a framework (Rashid), for studying ICLL wherein we reversibly cipher high-resource languages (HRLs) to construct truly unseen languages with access to a wide range of resources available for HRLs, unlocking previously impossible exploration of ICLL phenomena. We use our framework to assess current methods in the field with SOTA evaluation tools and manual analysis, explore the utility of potentially expensive resources in improving ICLL, and test ICLL strategies on rich downstream tasks beyond machine translation. These lines of exploration showcase the possibilities enabled by our framework, as well as providing actionable insights regarding current performance and future directions in ICLL.
• Abstract（参考訳）: 大規模な言語モデルを持つ未確認言語に対する文脈内言語学習(ICLL)への関心が高まっているが、そのような言語は通常、NLPツール、データリソース、研究者の専門知識の欠如に悩まされている。 これは、進歩を評価するのが難しく、フィールドは安価で大規模な実験ができないことを意味し、ICLLでの発見はごく少数の言語やタスクに限られることが多いことを意味している。 このような制約を考慮して、我々は、ICLLの研究のためのフレームワーク(Rashid)を導入し、これまで不可能だったICLL現象の探索を解き放ち、HRLに利用可能な幅広いリソースにアクセス可能な真に見えない言語を構築するために、高リソース言語(HRL)を可逆的に暗号化する。 我々は,本フレームワークを用いて,SOTA評価ツールと手動解析を用いて現場における現在の手法の評価を行い,ICLLの改善における潜在的に高価な資源の有用性を探求し,機械翻訳を超えたリッチな下流タスクにおけるICLL戦略をテストする。 これらの調査の行は、ICLLにおける現在のパフォーマンスと今後の方向性に関する実用的な洞察を提供するとともに、我々のフレームワークによって実現される可能性を示します。

関連論文リスト

• Bridging Gaps in Natural Language Processing for Yorùbá: A Systematic Review of a Decade of Progress and Prospects [0.6554326244334868]
  このレビューでは、注釈付きコーパスの不足、事前訓練された言語モデルの可用性の制限、音節複雑性やダイアクリティカル依存といった言語的課題を重要な障害として取り上げている。 この結果から,多言語・モノリンガル資源の増大が明らかとなった。ただし,この分野は,コードスイッチングやデジタル利用のための言語放棄といった社会文化的要因に制約されている。
  論文  参考訳（メタデータ） (2025-02-24T17:41:48Z)
• Building an Efficient Multilingual Non-Profit IR System for the Islamic Domain Leveraging Multiprocessing Design in Rust [0.0]
  本研究は、イスラムドメインのための多言語非営利IRシステムの開発に焦点を当てている。 ドメイン適応の継続事前学習やモデルサイズ削減のための言語削減といった手法を用いて,軽量な多言語検索モデルを構築した。
  論文  参考訳（メタデータ） (2024-11-09T11:37:18Z)
• Recent Advancements and Challenges of Turkic Central Asian Language Processing [4.189204855014775]
  中央アジアのトルコ語に対するNLPの研究は、典型的に低リソースの言語課題に直面している。 最近の進歩には、言語固有のデータセットの収集や、下流タスクのためのモデルの開発が含まれる。
  論文  参考訳（メタデータ） (2024-07-06T08:58:26Z)
• LLMs Are Few-Shot In-Context Low-Resource Language Learners [59.74451570590808]
  In-context Learning (ICL) は、大規模言語モデル(LLM)に、表現不足の言語で多様なタスクを実行する権限を与える。 ICLとその言語間変動(X-ICL)を25の低リソース言語と7の比較的高リソース言語で検討した。 本研究は,LLMの低リソース理解品質向上における文脈内情報の重要性を論じる。
  論文  参考訳（メタデータ） (2024-03-25T07:55:29Z)

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。