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
• 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

• Reinforcement Learning Elicits Contextual Learning of Unseen Language Translation [35.3382718505629]
  本稿では,リッチな言語文脈を前提とした言語翻訳に対する強化学習(RL)アプローチを提案する。 軽量な報奨にもかかわらず、我々のRL学習モデルは、提供された文脈から関連言語情報を効果的に抽出し、適用する。 分析の結果,結果に基づくRLは,数学やコーディングといった従来の推論タスクを超えて,文脈からの言語学習のレシピとして機能することが示唆された。
  論文  参考訳（メタデータ） (2026-06-04T17:32:06Z)
• Reasoning over Grammar: Can Synthetic Linguistic Reasoning Traces Enhance Low-Resource Machine Translation? [49.7935995447581]
  我々は,低リソース機械翻訳が言語解析と文法推論の中間段階の構造化の恩恵を受けるか検討する。 本稿では,Universal Dependencies Treebank,Dictionary,Gram-rule Bankから,ステップバイステップの言語推論トレースを自動的に生成するパイプラインを提案する。 その結果,言語的推論の痕跡は推論時ガイダンスとして最も有効であることが示唆された。
  論文  参考訳（メタデータ） (2026-06-02T15:36:12Z)
• 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)
• SMILE: Speech Meta In-Context Learning for Low-Resource Language Automatic Speech Recognition [55.2480439325792]
  音声メタインコンテキスト学習(SMILE)は、メタラーニングと音声インコンテキスト学習(SICL)を組み合わせた革新的なフレームワークである SMILEは、トレーニング不要な多言語ASRタスクにおいて、ベースライン手法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-16T16:04:16Z)
• 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)
• DIALIGHT: Lightweight Multilingual Development and Evaluation of Task-Oriented Dialogue Systems with Large Language Models [76.79929883963275]
  DIALIGHTは多言語タスク指向対話(ToD)システムの開発と評価のためのツールキットである。 ローカル発話レベルとグローバル対話レベルの両方において、人間のきめ細かい評価のためのセキュアでユーザフレンドリーなWebインターフェースを備えている。 評価の結果, PLMの微調整により精度とコヒーレンスが向上する一方, LLMベースのシステムは多様で類似した応答を生成するのに優れていた。
  論文  参考訳（メタデータ） (2024-01-04T11:27:48Z)
• Resources and Few-shot Learners for In-context Learning in Slavic Languages [0.22940141855172028]
  スラヴ語における文脈内学習(ICL)の訓練と評価に必要なインフラを収集する。 直近のコンテキスト内学習者の集合を評価し,その結果を教師付きベースラインと比較する。 英語で調整されたICLモデルは、非英語の文脈からいくつかのタスクを学習することができる。
  論文  参考訳（メタデータ） (2023-04-04T16:16:25Z)
• Reinforced Iterative Knowledge Distillation for Cross-Lingual Named Entity Recognition [54.92161571089808]
  言語間NERは、知識をリッチリソース言語から低リソース言語に転送する。 既存の言語間NERメソッドは、ターゲット言語でリッチなラベル付けされていないデータをうまく利用しない。 半教師付き学習と強化学習のアイデアに基づく新しいアプローチを開発する。
  論文  参考訳（メタデータ） (2021-06-01T05:46:22Z)

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。