論文の概要: Grammar Engineering Meets LLMs: Development of Cantonese and Irish ParGram Treebanks
- arxiv url: http://arxiv.org/abs/2608.07283v1
- Date: Fri, 07 Aug 2026 14:44:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.533442
- Title: Grammar Engineering Meets LLMs: Development of Cantonese and Irish ParGram Treebanks
- Title（参考訳）: グラマーエンジニアリングとLLM: カントンとアイルランドのParGramツリーバンクの開発
- Abstract要約: 本稿では,ParGram(ParGram)プロジェクトにおけるカントンとアイルランドのツリーバンクの開発について述べる。
また、文法工学を支援するために多言語LLMを使うことの可能性と限界についても検討する。
- 参考スコア（独自算出の注目度）: 0.9310318514564272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Grammar engineering requires expertise in linguistic formalism and computational implementation, especially in parallel grammar projects that balance cross-linguistic consistency with language-specific properties. This paper presents the development of Cantonese and Irish treebanks within the Parallel Grammar (ParGram) Project, where linguistic parallelism is maintained at an abstract functional level. We also investigate the methodological potential and limitations of using multilingual LLMs to support grammar engineering, focusing on Cantonese-Irish translation and the generation of formal syntactic structures using OpenAI's gpt-oss-120b model. The results show that translation performance was generally unsatisfactory and unaffected by prompt language. For syntactic structure generation, the model produced some structurally meaningful outputs, but performed poorly on tasks requiring cross-linguistic abstraction. Nonetheless, LLM-generated outputs may still offer some reference value by suggesting alternative analyses and (partially) capturing predicate-argument relations. Overall, our findings highlight both the potential and limitations of using LLMs in collaborative grammar engineering, while underscoring the continued importance of expert-driven analysis and verification.
- Abstract（参考訳）: 文法工学は言語形式学と計算的実装の専門知識を必要とし、特に言語固有の特性と言語間の整合性のバランスをとる並列文法プロジェクトにおいて重要である。
本稿では,言語並列性を抽象的機能レベルで維持するParGramプロジェクトにおいて,カントンとアイルランドのツリーバンクの開発について述べる。
また,多言語LLMを用いた文法工学の方法論的可能性と限界について検討し,OpenAIのgpt-oss-120bモデルを用いたカントネー・アイルランド語翻訳と形式構文構造の生成に着目した。
その結果,翻訳性能は概して不満足であり,即時言語の影響を受けなかったことが示唆された。
構文構造生成のために、モデルはいくつかの構造的に意味のある出力を生成したが、言語間抽象を必要とするタスクではうまく機能しなかった。
それでも、LCMが生成した出力は、代替分析を提案し、(部分的には)述語-代名詞関係をキャプチャすることによって、何らかの参照値を提供するかもしれない。
本研究は, 協調文法工学におけるLLMの利用の可能性と限界を両立させ, 専門家主導による分析と検証の継続的な重要性を強調した。
関連論文リスト
- How Useful are LLMs for Grammar Engineering? Cantonese ParGram Resources and Controlled Experimental Evaluation with English Baselines [0.0]
本稿では,知識駆動型文法工学において,新しいカントンパーグラム資源を提案し,LLMを評価した。
OpenAI の対応について検討する。
gpt-oss-120b と GPT-5.4 は機械処理可能な文法を生成することができる。
文の下の形式的な構造を 狙ったものです
組織的に異なるプロンプト条件です
論文 参考訳（メタデータ） (2026-08-24T16:21:32Z) - 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) - Multilinguality of Large Language Models From a Structural Perspective [55.097821802807566]
大規模言語モデル(LLM)は、多言語データに対する事前および後訓練によって複数の言語を処理するのに優れている。
その結果,低リソース言語は高水準言語や中級言語と構造的に異なることが明らかとなった。
論文 参考訳（メタデータ） (2026-06-01T07:18:09Z) - Shaping Schema via Language Representation as the Next Frontier for LLM Intelligence Expanding [88.11781604392606]
本稿では,言語表現を実世界の地図化とモデル化に使用される言語的・象徴的構造として定義する。
我々は、高度な言語表現によるスキーマ形成が、大規模言語モデルの拡張の次のフロンティアであると主張している。
論文 参考訳（メタデータ） (2026-05-10T02:42:29Z) - LLM Probe: Evaluating LLMs for Low-Resource Languages [6.177998679139308]
本稿では,低リソース言語における大規模言語モデル (LLM) の言語能力を評価するための語彙ベースアセスメントフレームワークを提案する。
このフレームワークは、語彙アライメント、音声認識、モルフォシンタクティック・プロービング、翻訳精度の4つの領域にわたるモデルを分析する。
論文 参考訳（メタデータ） (2026-03-31T10:03:38Z) - Language Surgery in Multilingual Large Language Models [39.66404344691661]
大規模言語モデル(LLM)はタスクや言語にまたがる顕著な一般化機能を示している。
本稿では, LLMにおける自然に出現する表現アライメント, 特に中層における表現アライメントについて検討する。
Inference-Time Language Control (ITLC) を提案する。
論文 参考訳（メタデータ） (2025-06-14T11:09:50Z) - Linguistic Blind Spots of Large Language Models [14.755831733659699]
言語アノテーションタスクにおける最近の大規模言語モデル(LLM)の性能について検討する。
近年の LLM は言語クエリに対処する上で有効性が限られており,言語学的に複雑な入力に苦しむことが多い。
この結果から,LLMの設計・開発における今後の進歩を示唆する知見が得られた。
論文 参考訳（メタデータ） (2025-03-25T01:47:13Z) - LinguaLens: Towards Interpreting Linguistic Mechanisms of Large Language Models via Sparse Auto-Encoder [47.81850176849213]
スパースオートエンコーダ(SAE)に基づく大規模言語モデルの言語メカニズム解析のためのフレームワークを提案する。
我々は4次元(形態学、構文学、意味論、プラグマティクス)にわたる中国語と英語の言語的特徴を幅広く抽出する。
本研究は, LLMにおける言語知識の内在的表現, 層間および言語間分布のパターンを明らかにし, モデル出力の制御の可能性を示した。
論文 参考訳（メタデータ） (2025-02-27T18:16:47Z) - Probing Large Language Models in Reasoning and Translating Complex Linguistic Puzzles [0.6144680854063939]
本稿では,複雑な言語パズルの解法としてLarge Language Models (LLMs) を用いる。
パズリングマシンコンペティションと各種言語オリンピアードのデータセットを用いて、GPT-4 0603の性能を評価する。
論文 参考訳（メタデータ） (2025-02-02T14:53:14Z) - LLM-based Translation Inference with Iterative Bilingual Understanding [52.46978502902928]
大規模言語モデル(LLM)の言語間機能に基づいた,新しい反復的バイリンガル理解翻訳法を提案する。
LLMの言語横断的能力により、ソース言語とターゲット言語を別々にコンテキスト理解することが可能になる。
提案したIBUTは、いくつかの強力な比較法より優れている。
論文 参考訳（メタデータ） (2024-10-16T13:21:46Z) - Machine Translation with Large Language Models: Prompt Engineering for
Persian, English, and Russian Directions [0.0]
生成型大規模言語モデル(LLM)は、様々な自然言語処理(NLP)タスクにおいて、例外的な習熟性を示している。
我々は,ペルシャ語,英語,ロシア語の言語間組み合わせに着目した2つの普及促進手法とその組み合わせについて調査を行った。
論文 参考訳（メタデータ） (2024-01-16T15:16:34Z) - Prompting Language Models for Linguistic Structure [73.11488464916668]
本稿では,言語構造予測タスクに対する構造化プロンプト手法を提案する。
提案手法は, 音声タグ付け, 名前付きエンティティ認識, 文チャンキングについて評価する。
PLMはタスクラベルの事前知識を事前学習コーパスに漏えいすることで有意な事前知識を含むが、構造化プロンプトは任意のラベルで言語構造を復元することも可能である。
論文 参考訳（メタデータ） (2022-11-15T01:13:39Z)
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。