論文の概要: Chinese Essay Rhetoric Recognition Using LoRA, In-context Learning and Model Ensemble

• arxiv url: http://arxiv.org/abs/2604.14167v1
• Date: Tue, 24 Mar 2026 07:58:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.692678
• Title: Chinese Essay Rhetoric Recognition Using LoRA, In-context Learning and Model Ensemble
• Title（参考訳）: LoRA, In-context Learning, Model Ensemble を用いた中国語エッセイレトリック認識
• Authors: Yuxuan Lai, Xiajing Wang, Chen Zheng,
• Abstract要約: 修辞的認識は自動エッセイ評価において重要な要素である。 我々は中国語の修辞的認識タスクにLarge Language Models(LLM)を利用する。 提案手法は,CCL 2025中国語エッセイレトリック認識評価タスクの3トラックすべてにおいて,最高のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 5.633877879389439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rhetoric recognition is a critical component in automated essay scoring. By identifying rhetorical elements in student writing, AI systems can better assess linguistic and higher-order thinking skills, making it an essential task in the area of AI for education. In this paper, we leverage Large Language Models (LLMs) for the Chinese rhetoric recognition task. Specifically, we explore Low-Rank Adaptation (LoRA) based fine-tuning and in-context learning to integrate rhetoric knowledge into LLMs. We formulate the outputs as JSON to obtain structural outputs and translate keys to Chinese. To further enhance the performance, we also investigate several model ensemble methods. Our method achieves the best performance on all three tracks of CCL 2025 Chinese essay rhetoric recognition evaluation task, winning the first prize.
• Abstract（参考訳）: 修辞的認識は自動エッセイ評価において重要な要素である。 学生の執筆における修辞的要素を特定することで、AIシステムは言語的および高次の思考スキルをよりよく評価し、教育のためのAI領域において重要なタスクとなる。 本稿では,中国語の修辞的認識タスクにLarge Language Models(LLM)を利用する。 具体的には、Low-Rank Adaptation (LoRA)に基づく微調整および文脈内学習を行い、修辞的知識をLLMに統合する。 出力をJSONとして定式化し、構造出力を取得し、キーを中国語に翻訳する。 さらに性能を向上させるために,いくつかのモデルアンサンブル法についても検討する。 提案手法は,CCL 2025中国語エッセイ評価課題の3トラックすべてにおいて,最高性能を達成し,第1位を獲得した。

関連論文リスト

• Aesthetic Assessment of Chinese Handwritings Based on Vision Language Models [14.72561407532963]
  我々は視覚言語モデル(VLM)を活用し、手書き漢字の質を分析し、マルチレベルフィードバックを生成する。 本稿では,ローランク適応(LoRA)に基づく微調整手法と,美的評価知識をVLMに統合するためのコンテキスト内学習手法について検討する。
  論文  参考訳（メタデータ） (2026-03-24T07:57:26Z)
• Detecting AI-Generated Essays in Writing Assessment: Responsible Use and Generalizability Across LLMs [0.0]
  文章評価は、言語能力、コミュニケーションの有効性、分析的推論を評価する上で重要な役割を担っている。 大規模言語モデル(LLM)の急速な進歩により、一貫性のある高品質なエッセイを生成するのがますます簡単になっている。 この章ではまず、AI生成およびAI支援エッセイの現在の状況と、それらの責任ある使用に関するガイドラインについて概説する。
  論文  参考訳（メタデータ） (2026-03-02T19:51:01Z)
• EssayBench: Evaluating Large Language Models in Multi-Genre Chinese Essay Writing [47.704427451419456]
  benchNameは4つの主要なジャンル(Argumentative, Narrative, Descriptive, Expository)にまたがる中国語エッセイを書くために設計されたマルチジャンルのベンチマークである。 階層的にスコアを集計する,きめ細かなジャンル別スコアリングフレームワークを開発した。 我々は15個の大型LCMをベンチマークし、ジャンルや命令タイプにまたがる長所と短所を分析した。
  論文  参考訳（メタデータ） (2025-06-03T08:14:46Z)
• Beyond Profile: From Surface-Level Facts to Deep Persona Simulation in LLMs [50.0874045899661]
  本稿では,文字のテキストワークに現れる言語パターンと独特の思考パターンの両方を再現するモデルである characterBot を紹介する。 著名な中国の作家ル・ジュンをケーススタディとして、17冊のエッセイ集から派生した4つの訓練課題を提案する。 これには、外部の言語構造と知識を習得することに焦点を当てた事前訓練タスクと、3つの微調整タスクが含まれる。 言語的正確性と意見理解の3つのタスクにおいて、キャラクタボットを評価し、適応されたメトリクスのベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-02-18T16:11:54Z)
• Prompting ChatGPT for Chinese Learning as L2: A CEFR and EBCL Level Study [0.45060992929802196]
  本研究では,Large Language Models (LLM) をパーソナライズしたチャットボットとして利用するために,学習者が特定のプロンプトを使用する方法について検討する。 我々のゴールは、高周波文字リストを用いて口語と書字のスキルを統合するプロンプトを開発することであり、口語辞書の制作を制御することである。 その結果,レベルA1およびレベルA1+文字と関連する参照リストを組み込むことで,EBCL文字集合への準拠が著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2025-01-25T15:30:13Z)
• Disco-Bench: A Discourse-Aware Evaluation Benchmark for Language Modelling [70.23876429382969]
  本研究では,多種多様なNLPタスクに対して,文内談話特性を評価できるベンチマークを提案する。 ディスコ・ベンチは文学領域における9つの文書レベルのテストセットから構成されており、豊富な談話現象を含んでいる。 また,言語分析のために,対象モデルが談話知識を学習するかどうかを検証できる診断テストスイートを設計する。
  論文  参考訳（メタデータ） (2023-07-16T15:18:25Z)
• Zero-shot Cross-lingual Conversational Semantic Role Labeling [30.28068025468505]
  ゼロショットクロスランガルCSRLを実現するための効果的な手法を提案する。 本モデルは,階層エンコーダを用いた言語に依存しない,対話型構造認識,意味的にリッチな表現を暗黙的に学習する。 英語における質問文書き直しタスクや,英語,ドイツ語,日本語における多方向対話応答生成タスクなど,中国語以外の会話タスクに対するCSRLの有用性を確認した。
  論文  参考訳（メタデータ） (2022-04-11T07:29:39Z)

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。