論文の概要: NAVER LABS System Re-implementation for the IWSLT 2026 Instruction-Following Task
- arxiv url: http://arxiv.org/abs/2607.05623v1
- Date: Mon, 06 Jul 2026 20:31:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.322745
- Title: NAVER LABS System Re-implementation for the IWSLT 2026 Instruction-Following Task
- Title（参考訳）: IWSLT 2026命令追従タスクに対するNAVER LABSシステム再実装
- Authors: Anand Kamble, Aniket Tathe,
- Abstract要約: NAVER LABS IWSLT 2025命令追従パイプラインをIWSLT 2026共有タスク用に再実装する。
3段階のアプローチプロジェクターアライメント、テキストのみのLoRA事前訓練、マルチモーダルマージはオリジナルの設計から保存されている。
提案するコーパスから,10種類の音声中心タスクタイプ(10k/1タスク)にまたがる100kの合成指示追従例を構築し,さらにステップ3の微調整に適合する。
- 参考スコア（独自算出の注目度）: 0.09558392439655013
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We re-implement the NAVER LABS IWSLT 2025 instruction-following pipeline for the IWSLT 2026 Shared Task (constrained condition, short audio track), adapting it to the mandated components: SeamlessM4T-v2-large as the speech encoder and Qwen3-4B-Instruct as the LLM backbone. The three-stage approach projector alignment, text-only LoRA pre-training, and multimodal merging is preserved from the original design. We additionally construct 100k synthetic instruction-following examples across ten speech-centric task types (10k per task) from the provided corpora, suitable for further Stage 3 fine-tuning. Our primary model achieves COMET 0.781 on EN-ZH speech translation and BERTScore-F1 0.346 on English SQA on the MCIF benchmark.
- Abstract（参考訳）: 我々は、IWSLT 2026共有タスク(制約条件、短い音声トラック)のためのNAVER LABS IWSLT 2025命令追従パイプラインを再実装し、命令されたコンポーネントに適応する: SeamlessM4T-v2-large as the speech encoder、Qwen3-4B-Instruct as the LLM backbone。
3段階のアプローチプロジェクターアライメント、テキストのみのLoRA事前訓練、マルチモーダルマージはオリジナルの設計から保存されている。
さらに,提供されるコーパスから10種類の音声中心タスクタイプ(10k/1タスク)にまたがる100kの合成指示追従例を構築し,さらなるステージ3の微調整に適している。
本モデルでは、EN-ZH音声翻訳のCOMET 0.781と、MCIFベンチマークの英語SQAのBERTScore-F1 0.346を実現している。
関連論文リスト
- NAVER LABS Europe Submission to the Instruction-following 2026 Short Track [12.471740115082126]
IWSLT 2026における命令追従音声処理ショートトラックへのNAVER LABS Europeの提出について述べる。
我々は、英語音声から中国語、イタリア語、ドイツ語へのASR、ST、SQAを共同で実行可能なシステムを開発する。
今年の結果、私たちのシステムはショートトラックランキングで1位にランクインした。
論文 参考訳（メタデータ） (2026-07-02T09:52:08Z) - Multilingual Long-Form Speech Instruction Following: KIT's Submission to IWSLT 2026 [57.48615919717867]
我々は、制約のない環境で、KITのLong and Short Instruction followingのトラックを提示する。
提案手法では,短文コーパスを長文学習データに変換する汎用データ拡張パイプラインを組み合わせる。
確率に基づく再ランク付けは、ASRには非常に有効であるが、意味的タスクを体系的に劣化させることを示す。
論文 参考訳（メタデータ） (2026-06-03T11:13:37Z) - AzeroS: Extending LLM to Speech with Self-Generated Instruction-Free Tuning [49.68129589035101]
AZeroS (Auden Zero-Instruction-tuned Speech-LLM) を導入する。
AZeroSはセマンティックベンチマークとパラ言語ベンチマークの両方で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-12-31T04:05:04Z) - MLLP-VRAIN UPV system for the IWSLT 2025 Simultaneous Speech Translation Translation task [7.247809853198223]
本研究は,IWSLT 2025 同時音声翻訳トラックの共有作業におけるMLLP-VRAIN研究グループの参加について述べる。
本論文は, 長期音声のリアルタイム翻訳における特異な課題を, モジュラーカスケードシステムの構築によって解決するものである。
論文 参考訳（メタデータ） (2025-06-23T16:44:01Z) - KIT's Offline Speech Translation and Instruction Following Submission for IWSLT 2025 [56.61209412965054]
本稿では、カールスルーエ工科大学のオフラインSTとインストラクションフォロー(IF)トラックへの提出について紹介する。
文書レベルの文脈を持つLLMを用いて出力を融合した複数の自動音声認識システムを用いたパイプラインを提案する。
IFトラックでは,音声エンコーダとLLMを統合し,幅広い命令追従タスクを実行するエンド・ツー・エンド・モデルを開発した。
論文 参考訳（メタデータ） (2025-05-19T12:21:29Z) - CMU's IWSLT 2024 Simultaneous Speech Translation System [80.15755988907506]
本稿では,CMU による IWSLT 2024 Simultaneous Speech Translation (SST) タスクへの提案について述べる。
本システムでは,WavLM音声エンコーダ,モダリティアダプタ,Llama2-7B-Baseモデルをデコーダとして統合する。
論文 参考訳（メタデータ） (2024-08-14T10:44:51Z) - Blending LLMs into Cascaded Speech Translation: KIT's Offline Speech Translation System for IWSLT 2024 [61.189875635090225]
大規模言語モデル (LLM) は現在,自動音声認識 (ASR) や機械翻訳 (MT) ,さらにはエンドツーエンド音声翻訳 (ST) など,さまざまなタスクを探索中である。
論文 参考訳（メタデータ） (2024-06-24T16:38:17Z) - Direct Models for Simultaneous Translation and Automatic Subtitling:
FBK@IWSLT2023 [26.001878009713597]
本稿では,FIWLT 2023評価キャンペーンにおけるFBKの同時翻訳・自動置換への参加について述べる。
私たちの提出は、両方のタスクを実行するための直接アーキテクチャの使用に焦点を当てました。
我々の英語-ドイツ語SimulSTシステムでは,タスクの2021年と2022年の上位システムに比べて,計算能力の低下が見られた。
論文 参考訳（メタデータ） (2023-09-27T10:24:42Z) - Speech Translation with Foundation Models and Optimal Transport: UPC at
IWSLT23 [0.0]
本稿では,UPC 機械翻訳グループの IWSLT 2023 オフライン音声翻訳タスクへの提出について述べる。
我々の音声翻訳システムは、音声(wav2vec 2.0)とテキスト(mBART50)の基礎モデルを利用する。
そこで本研究では,CTC と Optimal Transport を用いた音声とテキストエンコーダのシームズ事前学習ステップを導入し,音声表現をテキストモデルの空間に適応させる。
論文 参考訳（メタデータ） (2023-06-02T07:48:37Z) - Guiding Large Language Models via Directional Stimulus Prompting [114.84930073977672]
我々は,特定の所望の出力に対して,ブラックボックス大言語モデル(LLM)を導くための新しいフレームワークであるDirectional Stimulus Promptingを紹介する。
LLMを直接調整するのではなく、小さな調整可能なポリシーモデルを用いて各入力インスタンスに対して補助的な指向性刺激プロンプトを生成する。
論文 参考訳（メタデータ） (2023-02-22T17:44:15Z)
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。