論文の概要: PlurVA-LLM-2026 Shared Task Track-1: Pluralistic Value Alignment in LLMs via Multilingual Fine-Tuning and Threshold Calibration
- arxiv url: http://arxiv.org/abs/2609.32382v1
- Date: Sat, 26 Sep 2026 08:56:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 17:18:26.257996
- Title: PlurVA-LLM-2026 Shared Task Track-1: Pluralistic Value Alignment in LLMs via Multilingual Fine-Tuning and Threshold Calibration
- Title（参考訳）: PlurVA-LLM-2026共有タスクトラック1:多言語微調整と閾値校正によるLLMの複数値アライメント
- Abstract要約: 我々は,中国,インドネシア,スリランカの文脈における多元的値アライメントに着目したPlurVA-LLM 2026共有タスクトラック1を提案する。
提案手法は,中国のデータに対するオプション順化,インドネシアのデータに対するアノテータ投票の拡大,スリランカのデータに対するシンハラMMLU拡張による二項改定を組み合わせたものである。
最終システムは中国語が0.785、インドネシア語が0.715、スリランカ語が0.916となり、マクロ平均精度は0.805となった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present our system for the PlurVA-LLM 2026 Shared Task Track-1, which focuses on pluralistic value alignment in the contexts of China, Indonesia, and Sri Lanka. For this resource-constrained track, we fine-tuned Llama 3.1 8B Instruct using 4-bit QLoRA. Our approach combines option-permutation augmentation for Chinese data, annotator vote expansion for Indonesian data, and binary reformulation with SinhalaMMLU augmentation for Sri Lankan data. We further applied conditional threshold calibration to the predictions for the Sri Lankan data. The final system achieved accuracies of 0.785 for Chinese, 0.715 for Indonesian, and 0.916 for Sri Lankan, resulting in an overall macro-average accuracy of 0.805.
- Abstract（参考訳）: 我々は,中国,インドネシア,スリランカの文脈における多元的値アライメントに着目したPlurVA-LLM 2026共有タスクトラック1を提案する。
このリソース制約トラックでは、4ビットQLoRAを用いてLlama 3.1 8B命令を微調整する。
提案手法は,中国のデータに対するオプション順化,インドネシアのデータに対するアノテータ投票の拡大,スリランカのデータに対するシンハラMMLU拡張による二項改定を組み合わせたものである。
さらに、スリランカのデータの予測に条件しきい値のキャリブレーションを適用した。
最終システムは中国語が0.785、インドネシア語が0.715、スリランカ語が0.916となり、マクロ平均精度は0.805となった。
関連論文リスト
- Lumen: Parameter-Efficient Alignment of Pretrained Vision and Language Encoders for Zero-Shot Computational Pathology [1.041244287595653]
フリーズしたVirchow2とBioMedBERTのバックボーンを、ランク4アダプターとプロジェクションヘッドを使って調整するLumenを提案する。
9つの公的なゼロショットパッチベンチマークで、Lumenは平均的なチャンス補正バランスの正確さを達成した。
論文 参考訳（メタデータ） (2026-09-15T21:47:58Z) - Query Translation vs. Cross-Lingual Embeddings for Sinhala-Tamil E-Government Information Retrieval [0.0]
本稿では,言語間情報検索手法の比較評価を行う。
クエリ変換(QT)にはGoogle Translate, NLLB, mBART50, Cross-Lingual Embeddings (CLE)が使用されている。
BGE-M3は最も高いRecall@15を達成し、シンハラ英語では96.2%、タミル英語では95.6%に達した。
論文 参考訳（メタデータ） (2026-08-13T04:49:39Z) - CIF-Bench: A Chinese Instruction-Following Benchmark for Evaluating the Generalizability of Large Language Models [53.9835961434552]
本研究では,中国語に対する大規模言語モデル(LLM)の一般化性を評価するために,中国語命令追跡ベンチマーク(CIF-Bench)を導入する。
CIF-Benchは150のタスクと15,000の入力出力ペアで構成され、複雑な推論と中国の文化的ニュアンスをテストするためにネイティブスピーカーによって開発された。
データ汚染を軽減するため、データセットの半分しか公開せず、残りは非公開であり、スコア分散を最小限に抑えるために多種多様な命令を導入する。
論文 参考訳（メタデータ） (2024-02-20T16:02:12Z) - HIT-SCIR at MMNLU-22: Consistency Regularization for Multilingual Spoken
Language Understanding [56.756090143062536]
本稿では,ハイブリッドデータ拡張戦略に基づく一貫性の正則化を提案する。
フルデータセットとゼロショット設定の両方で、MASSIVEデータセット上で実験を行う。
提案手法はインテント検出とスロット充足の両方の性能を向上させる。
論文 参考訳（メタデータ） (2023-01-05T11:21:15Z) - Chinese CLIP: Contrastive Vision-Language Pretraining in Chinese [55.95225353842118]
我々は中国語で画像とテキストのペアの大規模なデータセットを構築し、ほとんどのデータは公開データセットから取得する。
77～958万のパラメータにまたがる,複数サイズの中国製CLIPモデルを5種類開発している。
実験の結果,中国のCLIPはMUGE,Flickr30K-CN,COCO-CNの最先端性能を達成できた。
論文 参考訳（メタデータ） (2022-11-02T17:47:23Z) - Very Low Resource Sentence Alignment: Luhya and Swahili [0.0]
我々は,Luhya と Swahili の2つの低リソースアフリカ言語に対して bitext を抽出するために LASER と LaBSE を試験した。
LaBSE は両方の言語で LASER を著しく上回っていることがわかった。
パラレルなLuhya文の集合への埋め込みを微調整し、LaBSEアライメント精度を53.3%に向上した。
論文 参考訳（メタデータ） (2022-10-31T18:01:13Z) - Tencent AI Lab - Shanghai Jiao Tong University Low-Resource Translation
System for the WMT22 Translation Task [49.916963624249355]
本稿では, Tencent AI Lab - Shanghai Jiao Tong University (TAL-SJTU) Low-Resource Translation system for the WMT22 shared taskについて述べる。
我々は、英語$Leftrightarrow$Livonianの一般的な翻訳作業に参加する。
本システムは,M2M100を対象言語に適応させる新しい手法を用いて構築した。
論文 参考訳（メタデータ） (2022-10-17T04:34:09Z) - A Two-Stage Method for Chinese AMR Parsing [22.263126752433443]
本研究では、アライメント生成を伴う中国語AMRパーシングを行うための2段階の手法を提案する。
このモデルではCAMR 2.0テストセットとCAMRP-2022のブラインドテストセットで0.7756と0.7074のAlign-Smatch F1スコアを個別に達成している。
論文 参考訳（メタデータ） (2022-09-29T02:17:56Z) - IDIAPers @ Causal News Corpus 2022: Efficient Causal Relation
Identification Through a Prompt-based Few-shot Approach [3.4423596432619754]
我々は、微調整言語モデル(LM)のための単純だが相補的手法のセットを活用することで、因果関係同定(CRI)タスクに対処する。
我々は、CRIタスクをマスキング言語モデリング問題(MLM)として扱う微調整LMのプロンプトベースの予測手法に従う。
本手法の性能を,データセット全体で訓練されたアンサンブル手法と比較する。
論文 参考訳（メタデータ） (2022-09-08T16:03:50Z)
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。