論文の概要: HULAT2 at MER-TRANS 2026: Governed Multi-Agent Simplification for Spanish Easy-to-Read Generation
- arxiv url: http://arxiv.org/abs/2607.02381v1
- Date: Thu, 02 Jul 2026 16:18:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.917187
- Title: HULAT2 at MER-TRANS 2026: Governed Multi-Agent Simplification for Spanish Easy-to-Read Generation
- Title（参考訳）: HULAT2 at MER-TRANS 2026: Governed Multi-Agent Simplification for Spanish Easy-to-Read Generation (英語)
- Abstract要約: 本稿では,MER-TRANS 2026のスペイン語トラックにおけるHULAT2-UC3Mの参加について述べる。
RUN1とRUN2は、Gemini 2.5 FlashとRigoChat-7B-v2を組み合わせたLangGraphベースのマルチエージェントワークフローを使用した。
RUN3はRigoChatベースのジェネレーション・評価再生ベースラインで、迅速なエンジニアリングとLoRAベースの適応を実現した。
- 参考スコア（独自算出の注目度）: 0.6299766708197881
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper describes the participation of HULAT2-UC3M in the Spanish track of MER-TRANS 2026, a shared task on multilingual Easy-to-Read translation. Three fully automatic Spanish runs were submitted. RUN1 and RUN2 used a LangGraph-based multi-agent workflow combining Gemini 2.5 Flash and RigoChat-7B-v2, parallel generation strategies, internal quality signals, Event-Condition-Action routing, controlled editing and traceable decisions. RUN1 used the base workflow, while RUN2 activated an additional lexical-support layer based on a glossary and lexical resources. RUN3 was a RigoChat-based generate-evaluate-regenerate baseline with prompt engineering and LoRA-based adaptation. The official leaderboard reports BLEU-Orig, BLEU-Gold, SARI and BERTScore. During development, additional internal signals were also inspected, including semantic fidelity, readability, lexical simplicity, syntactic clarity and factual consistency. According to official SARI, RUN1 was the best HULAT2 run, with 44.0543 points, followed by RUN2 with 43.1049 and RUN3 with 38.5136. These results indicate that, in this task setting, signal-guided multi-agent routing outperformed the linear regeneration baseline. They also show that adding lexical support did not automatically improve reference-based scores. Further segment-level and document-level analysis are required to assess readability, factual consistency and user-oriented adequacy.
- Abstract（参考訳）: 本稿では,MER-TRANS 2026のスペイン語トラックにおけるHULAT2-UC3Mの参加について述べる。
完全な自動走行3本が提出された。
RUN1とRUN2は、Gemini 2.5 FlashとRigoChat-7B-v2を組み合わせたLangGraphベースのマルチエージェントワークフロー、並列生成戦略、内部品質信号、イベント-Condition-Actionルーティング、編集とトレーサブルな決定を併用した。
RUN1はベースワークフローを使用し、RUN2は用語的および語彙的資源に基づいた追加の語彙的サポート層を起動した。
RUN3はRigoChatベースのジェネレーション・評価再生ベースラインで、迅速なエンジニアリングとLoRAベースの適応を実現した。
公式のリーダーボードはBLEU-Orig、BLEU-Gold、SARI、BERTScoreを報告している。
開発中には、意味的忠実性、可読性、語彙的単純性、構文的明瞭さ、事実的一貫性など、さらなる内部信号も検査された。
公式のSARIによると、RUN1は44.0543点、RUN2は43.1049点、RUN3は38.5136点だった。
これらの結果は、このタスク設定において、信号誘導マルチエージェントルーティングは線形再生ベースラインよりも優れていたことを示している。
また、レキシカルサポートを追加することで、参照ベースのスコアが自動的に改善されないことも示している。
さらに、読みやすさ、事実整合性、ユーザ指向の妥当性を評価するために、セグメントレベルおよび文書レベルの分析が必要である。
関連論文リスト
- A-SR: Self-Evolving Agentic LLMs for Symbolic Regression via Hierarchical Coordination [51.06539604709775]
本稿では、制御ユニットを表現編集からロール条件のエビデンスビューへシフトさせる自己進化型エージェントフレームワークであるA-SRを提案する。
A-SRは、コーディネートプロトコル、オンライン評価器・リワードロールポリシー、および状態制御プロセスメモリ間のルーティングによる公式発見をコーディネートする。
論文 参考訳（メタデータ） (2026-08-05T14:01:10Z) - Towards Reliable C-to-Rust Translation with Rule-Guided Reasoning and Reinforcement Learning [21.45219780181232]
自動C-to-Rust翻訳のための大規模言語モデルを活用することが、有望な方向として現れている。
本稿では2つのモジュールからなる規則誘導推論とrEinforcement Learning(TRAVEL)を提案する。
最初のモジュールはMonte Carlo Tree Search (MCTS)ベースの推論パスで、Rust固有のルールでガイドされている。
2つ目のモジュールは、実行フィードバックと推論品質のシグナルを結合する強化学習を導入し、プログラムのセマンティクスを正確にキャプチャする推論パスを構築するようモデルに促している。
論文 参考訳（メタデータ） (2026-07-22T09:50:01Z) - LLMEval-Logic: A Solver-Verified Chinese Benchmark for Logical Reasoning of LLMs with Adversarial Hardening [69.1037790901185]
現実的な状況シナリオから構築した中国の論理的推論ベンチマークLLMEval-Logicを提案する。
パイプラインのフォワードオーサとエキスパート-オーディット 自然言語アイテムは、参照の形式化とともに、Z3による注釈付き回答を検証し、自然言語から形式へのグレーディングのためのエキスパートルーブリックを構築し、クローズドループの逆行ワークフローを通じて選択されたアイテムを硬化させる。
論文 参考訳（メタデータ） (2026-05-19T09:40:29Z) - BLAgent: Agentic RAG for File-Level Bug Localization [2.2917707112773593]
BLAgentはファイルレベルのバグローカライゼーションのための新しいエージェントRAGフレームワークである。
BLAgentは、オープンソースモデルで78%以上のTop-1精度を達成した。
BLAgentは、エンドツーエンドの修復の成功を20%以上改善する。
論文 参考訳（メタデータ） (2026-05-18T07:20:13Z) - Run, Ruminate, and Regulate: A Dual-process Thinking System for Vision-and-Language Navigation [52.11339614452127]
VLN(Vision-and-Language Navigation)は、エージェントが人間の指示に従って複雑な3D環境を動的に探索する必要がある。
近年の研究では、一般的な知識と一般的な推論能力から、大きな言語モデル(LLM)をVLNに活用する可能性を強調している。
本稿では、LLMの一般化機能とVLN固有の専門知識をゼロショットで統合する、R3と呼ばれる新しいデュアルプロセス思考フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-18T04:32:00Z) - "Don't Teach Minerva": Guiding LLMs Through Complex Syntax for Faithful Latin Translation with RAG [0.5076419064097734]
本稿では,オープンソースのLarge Language Modelsを上位レベルのプロプライエタリシステムに統計的に匹敵する性能レベルに引き上げる,再現可能なドラフトベース改良パイプラインを提案する。
標準的なドメイン内テストセット(Rosenthal, 2023)と12世紀のラテン文字(2025)からなる新しいドメイン外テストセット(OOD)である。
論文 参考訳（メタデータ） (2025-11-03T11:11:27Z) - Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。
ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。
我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
論文 参考訳（メタデータ） (2025-10-11T18:11:09Z) - Prompt-Based Simplification for Plain Language using Spanish Language Models [0.6299766708197881]
本稿では,LearS 2025 Subtask 1: Adaptation of Text to Plain Language (PL) in Spanishについて述べる。
我々は、プロンプトエンジニアリングを用いたゼロショット構成やローランド適応(LoRA)を用いた微調整版など、スペイン語のテキストで訓練されたモデルに基づく戦略を探求した。
最終的なシステムはバランスよく一貫した性能で選択され、正規化ステップ、RigoChat-7B-v2モデル、PL指向のプロンプトが組み合わされた。
論文 参考訳（メタデータ） (2025-09-21T19:28:37Z) - RCR-Router: Efficient Role-Aware Context Routing for Multi-Agent LLM Systems with Structured Memory [57.449129198822476]
RCRは、マルチエージェント大言語モデル(LLM)システムのためのロールアウェアコンテキストルーティングフレームワークである。
役割とタスクステージに基づいて、各エージェントに対して意味的に関連するメモリサブセットを動的に選択する。
軽量スコアリングポリシは、メモリ選択をガイドし、エージェント出力を共有メモリストアに統合する。
論文 参考訳（メタデータ） (2025-08-06T21:59:34Z) - SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。
提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。
我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
論文 参考訳（メタデータ） (2025-03-11T17:53:02Z) - AgentRE: An Agent-Based Framework for Navigating Complex Information Landscapes in Relation Extraction [10.65417796726349]
複雑なシナリオにおける関係抽出(RE)は、多種多様な関係型や単一の文内のエンティティ間のあいまいな関係のような課題に直面します。
本稿では,複雑なシナリオにおいてREを実現するために,大規模言語モデルの可能性を完全に活用するエージェントベースのREフレームワークであるAgentREを提案する。
論文 参考訳（メタデータ） (2024-09-03T12:53:05Z)
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。