論文の概要: The Bairong System for MLC-SLM 2026: Dynamic Question-Aware Evidence Routing for Multilingual Conversational Speech Understanding

• arxiv url: http://arxiv.org/abs/2609.22214v1
• Date: Wed, 02 Sep 2026 07:23:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.774559
• Title: The Bairong System for MLC-SLM 2026: Dynamic Question-Aware Evidence Routing for Multilingual Conversational Speech Understanding
• Title（参考訳）: MLC-SLM 2026のためのベロンシステム:多言語会話音声理解のための動的質問認識エビデンスルーティング
• Abstract要約: MLC-SLM 2026 ChallengeのBairongシステムについて述べる。 ダイアリゼーション-ASRフロントエンドは、話者対応の文字起こしを生成し、動的エビデンスルータは、解答予測のための質問固有入力を構成する。
• 参考スコア（独自算出の注目度）: 8.14274060828304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long multilingual conversational spoken question answering requires systems to balance long-range transcript semantics with sparse acoustic and speaker-sensitive cues. We present the Bairong system for the MLC-SLM 2026 Challenge, where a diarization-ASR front-end produces speaker-attributed transcripts and a dynamic evidence router constructs question-specific inputs for answer prediction. Instead of applying a fixed transcript-only or audio-only policy, the router infers the required evidence type and context scope from the question and answer options, and selects among full transcript context, local audio-text fusion, speaker-linked evidence, and compact global acoustic samples. This transcript-backbone design keeps discourse context available while activating audio only when it provides complementary evidence. Our Task 1 system achieves 25.70% and 18.44% tcpMER on the development and evaluation sets. For Task 2, the final system obtains 94.84% devel?opment accuracy, outperforming the full-transcript baseline by 1.68 points and the best audio-centric diagnostic system by 2.77 points. These results support dynamic question-aware routing as an effective evidence allocation strategy for conversational spoken QA.
• Abstract（参考訳）: 長期多言語会話型音声質問応答システムでは、長距離転写意味論とスパースアコースティックおよびスピーカセンシティブな手がかりのバランスをとる必要がある。 本稿では,MLC-SLM 2026 ChallengeのためのBairongシステムを提案する。 固定された書き起こしのみまたは音声のみのポリシーを適用する代わりに、ルータは必要なエビデンスタイプとコンテキストスコープを質問と回答オプションから推測し、完全な書き起こしコンテキスト、ローカルオーディオテキスト融合、話者リンクされたエビデンス、コンパクトなグローバル音響サンプルの中から選択する。 このトランスクリプト・バックボーンの設計は、補足的な証拠を提供するときにのみ音声を活性化しながら、会話のコンテキストを維持できる。 タスク1システムは,開発および評価セットにおいて25.70%と18.44%のtcpMERを達成する。 第2タスクでは、最終システムは94.84%の解答を得るか? 校正精度は1.68ポイント、最高のオーディオ中心診断システムである2.77ポイントを上回っている。 これらの結果は,対話型音声QAの効果的なエビデンスアロケーション戦略として,動的質問認識ルーティングを支援する。

関連論文リスト

• SEAR: Segment-Evidence-Aware Routing for Weak-to-Strong Multilingual Speech MCQ [0.0]
  本稿では,第2回MLC-SLMチャレンジのタスク2について述べる。 言語モデルは、タイムスタンプ付きASRをコヒーレントなイベントスパンに変換する。 テキストのみのプローブは、データを教師付き微調整や強化学習に用いられる強い音声依存アイテムに分割する。
  論文  参考訳（メタデータ） (2026-09-10T10:38:19Z)
• EChO-Agent: Evidence Chain Orchestration Agent for Audio Reasoning [57.032533935143924]
  LALMは音声の疑問関連部分に焦点を合わせず、明確でチェック可能な推論プロセスを提供する。 本稿では,複雑なオーディオQAを計画,ツールの実行,エビデンス統合,回答検証ワークフローとして再構成するモジュール型エージェントフレームワークEChO-Agentを提案する。
  論文  参考訳（メタデータ） (2026-06-13T06:05:59Z)
• Multi-Source Evidence Fusion for Audio Question Answering [6.193919591996934]
  TalTechのAgent Track of the Interspeech 2026 Audio Reasoning Challengeに対するソリューションについて述べる。 すべての推論ステップを明示的で信頼性の高いタグ付きエビデンスで基礎付けることで、システムは密度の高い検証可能な推論連鎖を生成する。 我々のシステムは、挑戦において第一にランク付けし、挑戦の推論品質指標の幅広いマージンで競合する全てのシステムを上回った。
  論文  参考訳（メタデータ） (2026-03-18T15:12:42Z)
• The Interspeech 2026 Audio Reasoning Challenge: Evaluating Reasoning Process Quality for Audio Reasoning Models and Agents [83.79481911755481]
  We organized the Audio Reasoning Challenge at Interspeech 2026。 この課題は、推論チェーンの事実とロジックを評価する新しいインスタンスレベルのプロトコルであるMMAR-Rubricsを導入した。 シングルモデルとエージェントのトラックが特徴で、18カ国から156チームが参加している。
  論文  参考訳（メタデータ） (2026-02-15T16:38:09Z)
• A Cocktail-Party Benchmark: Multi-Modal dataset and Comparative Evaluation Results [62.01871490859886]
  第9回CHiMEチャレンジにおいて,マルチモーダルコンテキスト認識(MCoRec)の課題を紹介した。 MCoRecは、録音が説明のない、カジュアルなグループチャットに集中する、自然なマルチパーティの会話をキャプチャする。 このタスクでは、各話者のスピーチを共同で翻訳し、音声・視覚録音から各話者の会話にまとめることにより、「誰がいつ、何、誰と話をするのか?」という質問に答えるシステムが必要である。
  論文  参考訳（メタデータ） (2025-10-27T12:36:43Z)
• Multi-Domain Audio Question Answering Toward Acoustic Content Reasoning in The DCASE 2025 Challenge [102.84031769492708]
  本課題は,多様な音響シーンに対する対話型質問応答における音声モデルをテストするための3つのQAサブセットを定義する。 開発セットの予備的な結果を比較し、モデルとサブセット間で強い変動を示す。 この課題は、音声モデルの音声理解と推論能力を人間レベルに向上することを目的としている。
  論文  参考訳（メタデータ） (2025-05-12T09:04:16Z)
• Language Modelling for Speaker Diarization in Telephonic Interviews [13.851959980488529]
  音響的特徴と言語的内容の組み合わせは、単語レベルのDERで84.29%改善している。 本研究は,一部の話者認識タスクにおいて,言語内容が効率的に利用できることを確認した。
  論文  参考訳（メタデータ） (2025-01-28T18:18:04Z)
• End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
  音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。 本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。 本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
  論文  参考訳（メタデータ） (2022-04-29T17:56:59Z)
• Towards Data Distillation for End-to-end Spoken Conversational Question Answering [65.124088336738]
  音声対話型質問応答タスク(SCQA)を提案する。 SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。 我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
  論文  参考訳（メタデータ） (2020-10-18T05:53:39Z)

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。