論文の概要: Investigating the Influence of Prompt and Response Languages on LLM Content Generation
- arxiv url: http://arxiv.org/abs/2608.26186v1
- Date: Sat, 22 Aug 2026 18:10:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.110808
- Title: Investigating the Influence of Prompt and Response Languages on LLM Content Generation
- Title（参考訳）: LLMコンテンツ生成におけるプロンプトと応答言語の影響の検討
- Abstract要約: 我々はCohen dによる長さ差, LabSEコサイン類似度による意味的忠実度, および生とソフトのJaccardと重複する言語間キーワードを計測した。
英生産でノルウェーは回答を約37%短縮する。
プロンプト言語は中立的ではなく、出力長と語彙的実現を体系的に形作る。
- 参考スコア（独自算出の注目度）: 3.8655431793745536
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This study examines how prompt and response language influence the behavior of large language models. Using five models, we evaluated answers to 68 non translation questions across four language conditions: English to English, English to Norwegian, Norwegian to Norwegian, and Norwegian to English. After removing refused items, the dataset contains 1348 responses. We measure length differences with Cohen d, semantic fidelity with LabSE cosine similarity, and cross lingual keyword overlap with both raw and soft Jaccard. Prompt language has a strong effect on response length. With English output, Norwegian prompts shorten responses by about thirty seven percent. With Norwegian output, English prompts shorten responses by about forty one percent. The largest cross lingual contrast shows a reduction in word count but a smaller reduction in tokens, reflecting tokenizer differences. Despite variation in length, semantic similarity remains high, and soft Jaccard reveals substantial conceptual overlap that raw Jaccard does not capture. Effect sizes vary across models, indicating heterogeneity. Prompt language is not neutral and systematically shapes output length and lexical realization, with implications for multilingual prompt design.
- Abstract（参考訳）: 本研究では,対応言語が大規模言語モデルの行動にどのように影響するかを検討する。
5つのモデルを用いて,英語から英語,ノルウェー語,ノルウェー語からノルウェー語,ノルウェー語から英語の4つの条件で68の非翻訳質問に対する回答を評価した。
拒否されたアイテムを削除した後、データセットは1348の応答を含む。
我々はCohen dによる長さ差, LabSEコサイン類似度による意味的忠実度, および生とソフトのJaccardとの相互言語的キーワードの重なりを計測した。
Prompt言語は応答長に強い影響を与える。
英生産でノルウェーは回答を約37%短縮する。
ノルウェーの生産で、英語は応答を約41%短縮する。
最大のクロスランガルコントラストは、単語数の減少を示すが、トークンの減少は小さく、トークン化器の違いを反映している。
長さの変動にもかかわらず意味的類似性は高く、ソフトなジャカードは生のジャカードが捉えない相当な概念的な重複を示す。
効果の大きさはモデルによって異なり、不均一性を示している。
プロンプト言語は中立的ではなく、出力長と語彙的実現を体系的に形作る。
関連論文リスト
- Soft Token Alignment for Cross-Lingual Reasoning [31.882767320907572]
SOLARは教師付き微調整のための補助的目的であり、言語間でソフトトケン表現を整列させる。
次に、共有埋め込み空間において、各非英語のソフトトーケン要約を英語のそれと一致させる。
SOLARの精度はベースモデルで+17.7ポイント、標準教師付き微調整で+3.8ポイント向上している。
論文 参考訳（メタデータ） (2026-06-25T00:01:58Z) - EnTaCs: Analyzing the Relationship Between Sentiment and Language Choice in English-Tamil Code-Switching [0.0]
本稿では,英語・タミル語音声文における発話感情と言語選択の関係について検討する。
我々は,DravidianCodeMixデータセットから35,650個のロマライズされたYouTubeコメントに対して,トークンレベルの言語識別のための微調整XLM-RoBERTaモデルを適用した。
正の発話は、負の発話よりも英語の割合(34.3%)が有意に大きい(24.8%)。
論文 参考訳（メタデータ） (2026-03-27T16:50:17Z) - A Typologically Grounded Evaluation Framework for Word Order and Morphology Sensitivity in Multilingual Masked LMs [2.895343274331944]
我々はmBERTとXLM-Rを英語、中国語、ドイツ語、スペイン語、ロシア語で評価した。
全スクランブルは全言語でゼロに近い単語レベルの再構築精度を駆動する。
トップ5ワードの精度は同じパターンを示しており、フルスクランブルの下では、ゴールドワードが5つの最上位の再構築に現れることはめったにない。
論文 参考訳（メタデータ） (2026-02-28T03:13:34Z) - False Friends Are Not Foes: Investigating Vocabulary Overlap in Multilingual Language Models [53.01170039144264]
多言語コーパスで訓練されたサブワードトークンライザは、言語間で重複するトークンを自然に生成する。
トークンの重複は言語間転送を促進するのか、それとも言語間の干渉を導入するのか?
相反する語彙を持つモデルでは、重なり合う結果が得られます。
論文 参考訳（メタデータ） (2025-09-23T07:47:54Z) - Long Chain-of-Thought Reasoning Across Languages [14.79632337642471]
モデル開発の4つの重要な段階として,スケーリング,事前学習,ポストトレーニング,推論について検討する。
スケーリング推論モデルのサイズはEn-CoTの多言語タスク性能を改善するが、Target-CoTのパフォーマンスは遅れている。
英語以外の言語で高品質な推論トレースが不足していることを踏まえ,ポストトレーニングのための合成データキュレーション手法について検討する。
論文 参考訳（メタデータ） (2025-08-20T16:22:51Z) - Syntactic Language Change in English and German: Metrics, Parsers, and Convergences [56.47832275431858]
本論文は,過去160年間の議会討論のコーパスを用いて,英語とドイツ語の統語的言語変化のダイアクロニックな傾向を考察する。
私たちは、広く使われているStanford Coreと、新しい4つの選択肢を含む5つの依存関係をベースとしています。
文長分布の尾部では,構文的尺度の変化が頻繁であることが明らかとなった。
論文 参考訳（メタデータ） (2024-02-18T11:46:16Z) - Language Model Tokenizers Introduce Unfairness Between Languages [98.92630681729518]
トークン化段階では,モデルが呼び出される直前に,異なる言語に対する扱いの相違が生じることを示す。
文字レベルとバイトレベルのモデルも、いくつかの言語ペアの符号化長の4倍以上の差を示している。
我々は、多言語で公平なサブワードトークン化器を用いて、将来の言語モデルを訓練するべきだと仮定する。
論文 参考訳（メタデータ） (2023-05-17T14:17:57Z) - Cross-Linguistic Syntactic Difference in Multilingual BERT: How Good is
It and How Does It Affect Transfer? [50.48082721476612]
マルチリンガルBERT (mBERT) は, 言語間シンタクティックな機能を示した。
我々は,mBERTから引き起こされる文法的関係の分布を,24言語に類型的に異なる文脈で検討した。
論文 参考訳（メタデータ） (2022-12-21T09:44:08Z) - Unsupervised Cross-lingual Representation Learning for Speech
Recognition [63.85924123692923]
XLSRは、複数の言語における音声の生波形から1つのモデルを事前学習することで、言語間音声表現を学習する。
我々は、マスク付き潜在音声表現よりも対照的なタスクを解くことで訓練されたwav2vec 2.0を構築した。
実験により、言語間事前学習はモノリンガル事前訓練よりも著しく優れていることが示された。
論文 参考訳（メタデータ） (2020-06-24T18:25:05Z) - How to Probe Sentence Embeddings in Low-Resource Languages: On
Structural Design Choices for Probing Task Evaluation [82.96358326053115]
構造設計選択に対する探索作業結果の感度について検討する。
我々は、英語で識別する「安定な領域」にある設計選択を多言語で構成した埋め込みを探索する。
私たちは英語の結果が他の言語に移行しないことに気付きます。
論文 参考訳（メタデータ） (2020-06-16T12:37:50Z) - Investigating Language Impact in Bilingual Approaches for Computational
Language Documentation [28.838960956506018]
本稿では,翻訳言語の選択が後続文書作業に与える影響について検討する。
我々は56対のバイリンガルペアを作成し、低リソースの教師なし単語分割とアライメントのタスクに適用する。
この結果から,ニューラルネットワークの入力表現に手がかりを取り入れることで,翻訳品質とアライメント品質が向上することが示唆された。
論文 参考訳（メタデータ） (2020-03-30T10:30:34Z)
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。