論文の概要: Tag-Aware Structured Text Translation: Towards a Systematic Understanding

• arxiv url: http://arxiv.org/abs/2609.29131v1
• Date: Thu, 24 Sep 2026 07:09:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.764953
• Title: Tag-Aware Structured Text Translation: Towards a Systematic Understanding
• Title（参考訳）: タグ対応構造化テキスト翻訳 : 体系的理解に向けて
• Abstract要約: 現在の大言語モデル (LLM) ベースの翻訳システムは、タグ付きテキストを処理する際に、翻訳頻度とタグの忠実さのバランスをとるのに苦労している。 この緊張を解消するには、データ合成、能力構築、多目的アライメントという3つの相互接続レベルで体系的なアプローチが必要であると我々は主張する。
• 参考スコア（独自算出の注目度）: 23.42419449622466
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Internet texts are replete with format tags that carry structural, semantic, and functional meaning. Current large language model (LLM)-based translation systems struggle to balance translation fluency with tag fidelity when processing tagged text. We argue that resolving this tension requires a systematic approach at three interconnected levels: data synthesis, capability building, and multi-objective alignment. At the data level, we identify and formalize a fundamental trade-off between structural tag diversity and translation naturalness in synthetic data generation; existing methods optimize for one at the expense of the other. We propose a hybrid synthesis strategy (Hy-LST) combining LLM-based synthesis tag method and Two-Stage LLM-based synthesis tag method to produce both diverse and natural tagged data. At the capability level, we decompose tag-aware translation into four sub-tasks of increasing difficulty in a multi-task supervised fine-tuning framework, enabling targeted capability acquisition and knowledge transfer. At the alignment level, we design three complementary reward functions under a group relative policy optimization framework, each targeting a distinct objective (fluency, tag fidelity, and tag-scoped translation quality), and show that joint optimization consistently outperforms single-reward alternatives. Experiments on six language directions (en2zh, en2ja, en2de, en2fr, en2ru, de2fr) demonstrate that each level contributes measurable improvements, and the complete system significantly outperforms existing methods. Qualitative analysis reveals specific error patterns and their mitigation after training with our method.
• Abstract（参考訳）: インターネットテキストは、構造的、意味論的、機能的な意味を持つフォーマットタグで補われている。 現在の大言語モデル (LLM) ベースの翻訳システムは、タグ付きテキストを処理する際に、翻訳頻度とタグの忠実さのバランスをとるのに苦労している。 この緊張を解消するには、データ合成、能力構築、多目的アライメントという3つの相互接続レベルで体系的なアプローチが必要であると我々は主張する。 データレベルでは、構造タグの多様性と合成データ生成における翻訳自然性の基本的なトレードオフを特定し、定式化する。 LLMをベースとした合成タグ法とTwo-Stage LLMをベースとした合成タグ法を組み合わせたハイブリッド合成戦略(Hy-LST)を提案する。 機能レベルでは、タグ認識翻訳を4つのサブタスクに分解し、マルチタスク制御による微調整フレームワークの難易度を高め、目標とする能力獲得と知識伝達を可能にする。 アライメントレベルでは、グループ相対的なポリシー最適化フレームワークの下で、3つの相補的な報酬関数を設計し、それぞれ異なる目的(頻度、タグの忠実度、タグスコープの翻訳品質)を目標とし、共同最適化がシングルリワードの代替よりも一貫して優れていることを示す。 6つの言語方向(en2zh、en2ja、en2de、en2fr、en2ru、de2fr)の実験では、各レベルが測定可能な改善に寄与し、完全なシステムが既存の方法よりも大幅に優れていることが示されている。 定性的分析により,本手法による訓練後のエラーパターンとその緩和が明らかになった。

関連論文リスト

• $\mathcal{S}^2$IT: Stepwise Syntax Integration Tuning for Large Language Models in Aspect Sentiment Quad Prediction [51.165432266846096]
  構文構造情報は、大言語モデル(LLM)の生成パラダイムにおいて未利用である S2ITは、多段階のチューニングプロセスを通じて、構文構造知識をLLMに徐々に統合する。 実験により、S2ITは複数のデータセットにわたる最先端のパフォーマンスを大幅に改善することが示された。
  論文  参考訳（メタデータ） (2026-04-25T13:24:29Z)
• Unified Text-Image Generation with Weakness-Targeted Post-Training [57.956648078400775]
  テキストと画像を共同で生成する統一マルチモーダル生成アーキテクチャは、最近、テキスト・ツー・イメージ(T2I)合成の有望な方向として登場した。 この研究は、モデルがテキスト推論から視覚合成へ自律的に遷移する、完全に統一されたテキスト画像生成を実現するためのポストトレーニングを探求する。
  論文  参考訳（メタデータ） (2026-01-07T19:19:44Z)
• TIT: A Tree-Structured Instruction Tuning Approach for LLM-Based Code Translation [11.882496324328905]
  LLMに基づくコード翻訳のためのツリー構造化命令チューニングパラダイムであるTITを提案する。 構文的混乱を軽減するため、構文的情報表現モジュールは言語に依存しない構文的特徴を統合する。 高品質の粒度並列データを生成するために、細粒度並列データセット拡張モジュールは、ノードとコードセグメントを整列する。
  論文  参考訳（メタデータ） (2025-10-10T13:53:46Z)
• Generative Sign-description Prompts with Multi-positive Contrastive Learning for Sign Language Recognition [9.044039469025009]
  本稿では,GSP-MC法を提案する。 GSP-MC法はまた、二重エンコーダアーキテクチャを用いて、階層的なスケルトン特徴と複数のテキスト記述を双方向にアライメントする。 実験では、中国のSLR500(97.1%)とトルコのAUTSLデータセット(97.07%の精度)の既存の手法に対する最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-05-05T00:57:57Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• Towards Codable Watermarking for Injecting Multi-bits Information to LLMs [86.86436777626959]
  大規模言語モデル(LLM)は、流布とリアリズムを増大させるテキストを生成する。 既存の透かし方式はエンコーディング非効率であり、多様な情報エンコーディングニーズに柔軟に対応できない。 テキスト透かしを複数ビットでカスタマイズ可能な情報を運ぶことができるCTWL (Codable Text Watermarking for LLMs) を提案する。
  論文  参考訳（メタデータ） (2023-07-29T14:11:15Z)

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。