論文の概要: Riazi-8B: An Urdu Large Language Model for Mathematical Reasoning

• arxiv url: http://arxiv.org/abs/2606.25568v1
• Date: Wed, 24 Jun 2026 08:44:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.282071
• Title: Riazi-8B: An Urdu Large Language Model for Mathematical Reasoning
• Title（参考訳）: Riazi-8B: 数学的推論のためのウルドゥー大言語モデル
• Abstract要約: Urduは推論指向のリソースと、多段階の数学的問題解決に適応したモデルの両方を欠いている。 2段階の適応プロセスによって開発されたUrduの数学的推論モデルであるRiazi-8Bを開発した。 その結果,回答の正しさ,推論品質,応答完全性,ウルドゥー生成が一貫した改善を示した。
• 参考スコア（独自算出の注目度）: 2.1437512265005543
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent LLMs demonstrate strong mathematical reasoning capabilities, but existing gains rely heavily on English-centric training resources and benchmarks. As a result, reasoning performance degrades substantially in low-resource languages such as Urdu, where reasoning-oriented datasets and adapted models remain scarce. Urdu lacks both reasoning-oriented resources and models adapted for multi-step mathematical problem solving, limiting the applicability of recent progress to Urdu-speaking users. We address this gap through Riazi-8B, an Urdu mathematical reasoning model developed through a two-step adaptation process comprising continued pre-training on Urdu Wikipedia and supervised fine-tuning on Urdu Chain-of-Thought data derived from GSM8K. We evaluate Riazi-8B on MGSM-Urdu against existing Urdu instruction-tuned models. Our results show consistent improvements in answer correctness, reasoning quality, response completeness, and Urdu generation. Our findings demonstrate that combining Urdu language adaptation with reasoning-focused fine-tuning is an effective strategy for extending mathematical reasoning capabilities to low-resource languages.
• Abstract（参考訳）: 最近のLSMは強力な数学的推論能力を示しているが、既存のゲインは英語中心のトレーニングリソースとベンチマークに大きく依存している。 結果として、推論指向のデータセットや適応モデルが不足しているUrduのような低リソース言語では、推論性能が大幅に低下する。 Urduは、多段階の数学的問題解決に適応した推論指向のリソースとモデルの両方を欠いており、最近の進歩がウルドゥー語話者に適用可能であることを制限している。 このギャップは、Urduウィキペディアの事前学習とGSM8Kから派生したUrdu Chain-of-Thoughtデータによる微調整を含む2段階の適応プロセスを通じて開発されたUrdu数学的推論モデルであるRiazi-8Bを介して解決される。 MGSM-Urdu上のRiazi-8Bを既存のUrdu命令調整モデルに対して評価する。 その結果,回答の正しさ,推論品質,応答完全性,ウルドゥー生成が一貫した改善を示した。 この結果から,ウルドゥー語適応と推論に焦点をあてた微調整を組み合わせることは,低リソース言語への数学的推論能力を拡張するための効果的な戦略であることが示唆された。

関連論文リスト

• Beyond Input Understanding: Diagnosing Multilingual Mathematical Reasoning with Directed Acyclic Trace Graphs [54.72295694649798]
  大規模な推論モデル (LRM) は、英語で強力な数学的推論性能を達成するが、多くの低級言語や中級言語では信頼性が低い。 モデルの推論言語を制御することは、精度を大幅に低下させることを示し、言語が推論実行自体に影響を及ぼすことを示唆する。 12言語にわたるQwen3シリーズの実験では、英語以外の推論ではアンカーカバレッジが減少し、依存関係の忠実度が低下することが多い。
  論文  参考訳（メタデータ） (2026-05-26T21:41:52Z)
• Crosslingual On-Policy Self-Distillation for Multilingual Reasoning [48.68444770923683]
  Crosslingual On-Policy Self-Distillation (COPSD)は、モデル自身の高リソース推論動作を低リソース言語に転送する。 17の低リソースアフリカ言語に対する実験では、COPSDはモデルサイズ全体の低リソース数学的推論を一貫して改善している。
  論文  参考訳（メタデータ） (2026-05-10T14:06:09Z)
• Unlocking Reasoning Capability on Machine Translation in Large Language Models [57.60641851466707]
  推論指向の大規模言語モデル(RLM)は、明示的な中間推論を生成することにより、数学やコーディングといったタスクに強い利益をもたらす。 WMT24++ベンチマークを用いて,オープンおよびクローズドヘビー級のRCMを系統的に評価した。 明示的な推論を可能にすることは、言語やモデル間の翻訳品質を一貫して低下させる。
  論文  参考訳（メタデータ） (2026-02-16T14:05:59Z)
• Qalb: Largest State-of-the-Art Urdu Large Language Model for 230M Speakers with Systematic Continued Pre-training [3.950299047992185]
  ウルドゥー語は、2億3000万人以上の人々が話しており、現代のNLPシステムでは批判的に不足している。 2段階のアプローチで開発された言語モデルであるQalbを紹介した。 この結果から,多種多様な高品質な言語データに対する事前学習が,目標とする命令の微調整と相まって,基礎モデルを低リソース言語に効果的に適用できることが示唆された。
  論文  参考訳（メタデータ） (2026-01-13T02:05:05Z)
• Large Reasoning Models Are (Not Yet) Multilingual Latent Reasoners [48.68444770923683]
  大きな推論モデル(LRM)は、数学的推論タスクにおいて高い性能を達成する。 LRMは、これらのテキスト推論ステップを完了する前に、正しい答えに到達することが多い。 この現象は英語で研究されてきたが、多言語的行動はほとんど分かっていない。
  論文  参考訳（メタデータ） (2026-01-06T13:20:17Z)
• UrduFactCheck: An Agentic Fact-Checking Framework for Urdu with Evidence Boosting and Benchmarking [43.71125919897474]
  既存のファクトチェックシステムは、主に英語で開発されており、世界中の2億人以上のウルドゥー語話者にとって大きなギャップを残している。 UrduFactBenchとUrduFactQAは、Urduにおける事実チェックと事実整合性評価を可能にするために設計された2つの新しいベンチマークである。 これらのベンチマークを補完するために,モノリンガルおよび翻訳に基づくエビデンス検索戦略を組み込んだモジュール型ファクトチェックフレームワークであるUrduFactCheckを紹介する。
  論文  参考訳（メタデータ） (2025-05-21T03:31:44Z)
• NoiER: An Approach for Training more Reliable Fine-TunedDownstream Task Models [54.184609286094044]
  補助モデルと付加データなしで問題を解くための学習パラダイムとして,ノイズエントロピー正規化(NoiER)を提案する。 提案手法は,従来の微調整モデルと比較して平均55%改善した。
  論文  参考訳（メタデータ） (2021-08-29T06:58:28Z)
• Co-occurrences using Fasttext embeddings for word similarity tasks in Urdu [0.0]
  本稿では,Urduのコーパスを構築し,複数のソースからデータを抽出・統合する。 fasttext埋め込みとN-Gramsモデルを変更して、構築されたコーパスでトレーニングできるようにします。 これらのトレーニング済み埋め込みを単語の類似性タスクに使用し、その結果を既存の技術と比較しました。
  論文  参考訳（メタデータ） (2021-02-22T12:56:26Z)
• Efficient Urdu Caption Generation using Attention based LSTM [0.0]
  ウルドゥー語はパキスタンの国語であり、パキスタン・インド亜大陸地域で話され、理解されている。 我々は、ウルドゥー語に特化したシーケンスモデリング技術を用いて、注意に基づくディープラーニングモデルを開発する。 提案手法をこのデータセット上で評価し,ウルドゥー語のBLEUスコア0.83を達成可能であることを示す。
  論文  参考訳（メタデータ） (2020-08-02T17:22:33Z)

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。