Fugu-MT 論文翻訳(概要): Can We Still Hear the Accent? Investigating the Resilience of Native Language Signals in the LLM Era

論文の概要: Can We Still Hear the Accent? Investigating the Resilience of Native Language Signals in the LLM Era

arxiv url: http://arxiv.org/abs/2604.08568v1
Date: Fri, 20 Mar 2026 09:11:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-19 19:09:11.431785
Title: Can We Still Hear the Accent? Investigating the Resilience of Native Language Signals in the LLM Era
Title（参考訳）: アクセントがまだ聞こえるか? LLM時代のネイティブ言語信号のレジリエンスを探る
Abstract要約: ACLアンソロジー論文における母国語識別の傾向を,神経前ネットワーク(NN),LLM前,LLM後という3つの時代にわたって分析した。分析の結果,NLIの性能は時間とともに一貫した低下を示した。中国とフランスは予想外の抵抗や分岐傾向を示す一方、日韓は予想より急激な減少を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The evolution of writing assistance tools from machine translation to large language models (LLMs) has changed how researchers write. This study investigates whether this shift is homogenizing research papers by analyzing native language identification (NLI) trends in ACL Anthology papers across three eras: pre-neural network (NN), pre-LLM, and post-LLM. We construct a labeled dataset using a semi-automated framework and fine-tune a classifier to detect linguistic fingerprints of author backgrounds. Our analysis shows a consistent decline in NLI performance over time. Interestingly, the post-LLM era reveals anomalies: while Chinese and French show unexpected resistance or divergent trends, Japanese and Korean exhibit sharper-than-expected declines.
Abstract（参考訳）: 機械翻訳から大規模言語モデル(LLM)への支援ツールの記述の進化は、研究者の書き方を変えた。本研究では,ACLアンソロジー論文の母国語識別(NLI)の傾向を,前神経ネットワーク(NN),前LLM(LLM),後LLM(LLM)の3つの時代にわたって分析することにより,研究論文の均質化を図っているかを検討する。半自動フレームワークとファインチューン分類器を用いてラベル付きデータセットを構築し、著者背景の言語指紋を検出する。分析の結果,NLIの性能は時間とともに一貫した低下を示した。興味深いことに、LLM後の時代は、中国とフランスが予期せぬ抵抗や分岐傾向を示した一方で、日韓は予想より急激な減少を見せている。

関連論文リスト

From Texts to Scores: Tracing the Emergence of Essay Quality Representations in Large Language Models [39.459106293017584]
我々は,エッセイの品質情報が大規模言語モデル内で線形にアクセス可能な形式で符号化されているという一貫した証拠を見出した。我々は、ニューロンの活性化がエッセイスコアと強く相関し、標的介入に敏感な行動を示す「ニューロン」を同定する。
論文参考訳（メタデータ） (2026-06-18T12:18:54Z)
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)
All Languages Matter: Understanding and Mitigating Language Bias in Multilingual RAG [87.74635133954975]
現在のマルチ言語検索・拡張生成システム(mRAG)は,再ランク付け時に言語バイアスに悩まされていることを示す。 textittextbfLanguage-textbfAgnostic textbfUtility-driven textbfReranker textbfAlignment (LAURA)を提案する。
論文参考訳（メタデータ） (2026-04-22T05:33:06Z)
Multilingual Cognitive Impairment Detection in the Era of Foundation Models [6.141505279958125]
英語,スロベニア語,韓国語における音声の書き起こしから認知障害(CI)分類を評価する。直接分類器として用いられるゼロショット大言語モデル(LLM)を3つの入力条件下で比較する。
論文参考訳（メタデータ） (2026-04-08T07:22:43Z)
Robust Native Language Identification through Agentic Decomposition [23.899157231471104]
大規模言語モデル(LLM)は、表面的な文脈的手がかりを利用することで、ネイティブ言語識別(NLI)ベンチマークで高いパフォーマンスを達成することが多い。このような戦略は信頼できないことを示し、モデル予測は誤解を招くヒントによって容易に変更可能であることを示す。専門エージェントが多種多様な言語的証拠を蓄積・分類する,法医学的言語学にヒントを得たエージェントNLIパイプラインを導入する。
論文参考訳（メタデータ） (2025-09-20T12:38:03Z)
Mechanistic Understanding and Mitigation of Language Confusion in English-Centric Large Language Models [56.61984030508691]
言語混乱に関する最初の機械論的解釈可能性研究について述べる。混乱点(CP)がこの現象の中心であることを示す。比較分析によって同定された少数の臨界ニューロンを多言語で調整したニューロンで編集すると、混乱が著しく軽減されることがわかった。
論文参考訳（メタデータ） (2025-05-22T11:29:17Z)
Holmes: A Benchmark to Assess the Linguistic Competence of Language Models [59.627729608055006]
言語モデル(LM)の言語能力を評価するための新しいベンチマークであるHolmesを紹介する。我々は、計算に基づく探索を用いて、異なる言語現象に関するLMの内部表現を調べる。その結果,近年,他の認知能力からLMの言語能力を引き離す声が上がっている。
論文参考訳（メタデータ） (2024-04-29T17:58:36Z)
Natural Language Processing for Dialects of a Language: A Survey [56.93337350526933]
最先端自然言語処理(NLP)モデルは、大規模なトレーニングコーパスでトレーニングされ、評価データセットで最上位のパフォーマンスを報告します。この調査は、これらのデータセットの重要な属性である言語の方言を掘り下げる。方言データセットにおけるNLPモデルの性能劣化と言語技術のエクイティへのその影響を動機として,我々はデータセットやアプローチの観点から,方言に対するNLPの過去の研究を調査した。
論文参考訳（メタデータ） (2024-01-11T03:04:38Z)
Neural Authorship Attribution: Stylometric Analysis on Large Language Models [16.63955074133222]
GPT-4、PaLM、Llamaのような大規模言語モデル(LLM)は、AIによるテキスト生成を著しく推進している。誤用の可能性に対する懸念が高まっているため、AI生成テキストの鑑識の必要性が高まっている。
論文参考訳（メタデータ） (2023-08-14T17:46:52Z)
Jamp: Controlled Japanese Temporal Inference Dataset for Evaluating Generalization Capacity of Language Models [18.874880342410876]
本稿では、時間的推測に焦点を当てた日本のベンチマークであるJampを紹介する。我々のデータセットには時間的推論パターンが含まれており、きめ細かい分析を行うことができます。時制フラグメントに基づいてデータセットを分割することにより,単言語/多言語LMの一般化能力を評価する。
論文参考訳（メタデータ） (2023-06-19T07:00:14Z)
Language models are not naysayers: An analysis of language models on negation benchmarks [58.32362243122714]
我々は,次世代自動回帰言語モデルによる否定処理能力の評価を行った。 LLMには,否定の存在に対する感受性,否定の語彙的意味を捉える能力の欠如,否定下での推論の失敗など,いくつかの制限があることが示されている。
論文参考訳（メタデータ） (2023-06-14T01:16:37Z)
mFACE: Multilingual Summarization with Factual Consistency Evaluation [79.60172087719356]
抽象的な要約は、事前訓練された言語モデルと大規模データセットの可用性のおかげで、近年で新たな関心を集めている。有望な結果にもかかわらず、現在のモデルはいまだに現実的に矛盾した要約を生み出すことに苦しむ。事実整合性評価モデルを利用して、多言語要約を改善する。
論文参考訳（メタデータ） (2022-12-20T19:52:41Z)

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。