論文の概要: Itgan at NADI 2026 shared task: Parameter-Efficient Whisper Adaptation for Robust, Mixed-Dialect and Code-Switched Arabic ASR

• arxiv url: http://arxiv.org/abs/2610.09934v1
• Date: Wed, 07 Oct 2026 12:18:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.90061
• Title: Itgan at NADI 2026 shared task: Parameter-Efficient Whisper Adaptation for Robust, Mixed-Dialect and Code-Switched Arabic ASR
• Title（参考訳）: Itgan at NADI 2026 shared task: Parameter-Efficient Whisper Adaptation for Robust, Mixed-Dialect and Code-Switched Arabic ASR
• Abstract要約: NADI 2026の3つのASRサブタスク、すなわちロバストな国レベルのASR (1.1)、混合方言のASR (1.2)、チュニジアのコードスイッチングASR (1.3)のIganシステムについて述べる。 いずれも1つのレシピを共有しており、Whisperは消費者向けGPUでLoRAに適合し、それぞれ別の追加で運ばれた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We describe the Itgan systems for the three ASR subtasks of NADI 2026, namely robust country-level ASR (1.1), mixed-dialect ASR (1.2), and Tunisian code-switched ASR (1.3). All three share one recipe, Whisper adapted with LoRA on consumer GPUs, and each was carried by a different addition to it. On 1.1, where the dialect label is given at test time, per-dialect specialists continued from a pooled adapter gave the largest gain, and the submitted system reached 57.1% country-average WER. A post-evaluation linear probe on frozen encoder features routes utterances without the label and recovers 44% of what oracle routing gives. On 1.2 the choice of base model mattered more than adapter capacity, and system combination helped only once we added a decorrelated member, reaching 46.7% WER. On 1.3 our system placed second at 14.49% WER with the lowest CER among the leading submissions, 5.38%. Its last 0.60 WER points came without further training, mostly from an exact weight-space average of independently trained runs, with ROVER voting adding the remainder. Every comparison carries a paired-bootstrap test, and we report eight directions that did not work.
• Abstract（参考訳）: NADI 2026の3つのASRサブタスク、すなわちロバストな国レベルのASR (1.1)、混合方言のASR (1.2)、チュニジアのコードスイッチングASR (1.3)のIganシステムについて述べる。 いずれも1つのレシピを共有しており、Whisperは消費者向けGPUでLoRAに適合し、それぞれ別の追加で運ばれた。 試験時に方言ラベルが付与された1.1では、各方言の専門家がプールアダプタから最大の利益を上げ、提出されたシステムは平均57.1%の国別WERに到達した。 凍結エンコーダ上の評価後の線形プローブは、ラベルのないルート発話を特徴とし、オラクルルーティングが与える44%を回復する。 1.2では、基本モデルの選択はアダプタの容量以上のものとなり、システムの組み合わせは、Decorrelated メンバを追加して 46.7% WER に達するのに役立ちました。 1.3では14.49%のWERで2位となり、CERは5.38%だった。 最後の0.60 WERポイントは訓練を受けず、ほとんどが独立して訓練されたランニングの正確な重量空間平均からであり、残りはROVERの投票で追加された。 すべての比較では、ペアリングブートストラップテストが実施され、動作しない8つの方向が報告される。

関連論文リスト

• C$^2$Nav: Compare Before You Commit for Zero-Shot Vision-and-Language Navigation [2.662920946452234]
  連続環境(VLN-CE)における視覚言語ナビゲーションは、ナビゲーションループ内に基礎的な視覚言語モデル(VLM)を配置する傾向にある。 VLMはコントローラ構築の代替品を比較するが、幾何学、閾値、アクションサイズ、実行は物理面に残る。 このアイデアをC2Navでインスタンス化します。
  論文  参考訳（メタデータ） (2026-09-14T07:14:59Z)
• Pooled Leaderboards Hide System-Specific Winners: A Reporting-Protocol Audit of Offline Root-Cause Analysis Benchmarks [15.818802254426883]
  ルート原因分析ベンチマークは、複数のサブシステムにまたがる単一のトップ1精度でメソッドをランク付けする。 私たちは、OpenRCA、RCAEval、PetShopの3つのパブリックRCAベンチマークファミリでその読みを監査します。 我々は320行の監査モジュールをリリースし、一致したRCAベンチマークスコアテーブルが与えられた場合、プールされたスコアと並行してサブシステムごとの安定性チェックを再計算する。
  論文  参考訳（メタデータ） (2026-06-28T02:47:31Z)
• Step-wise Rubric Rewards for LLM Reasoning [72.17879367869503]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、大規模言語モデルの推論を改善するために広く使われている。 正しい回答の18.2%は間違っているが、肯定的な報酬がある。 6つの数学的推論ベンチマークで、SRaRはRaRの平均精度を3.57ポイント改善した。
  論文  参考訳（メタデータ） (2026-05-17T07:08:14Z)
• MapReduce LoRA: Advancing the Pareto Front in Multi-Preference Optimization for Generative Models [52.32146943039743]
  人間のフィードバックからの強化学習は、生成モデルと人間の美学と知覚的嗜好を高度に一致させる。 MapReduce LoRA と Reward-aware Token Embedding (RaTE) の2つの補完手法を紹介する。 我々のフレームワークは、モダリティにまたがる新しい最先端のマルチ参照アライメントのレシピを定めている。
  論文  参考訳（メタデータ） (2025-11-25T18:49:21Z)
• Patch-Level Contrasting without Patch Correspondence for Accurate and Dense Contrastive Representation Learning [79.43940012723539]
  ADCLRは、正確で高密度な視覚表現を学習するための自己教師型学習フレームワークである。 提案手法は, コントラッシブな手法のための新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-23T07:38:09Z)
• Analyzing And Improving Neural Speaker Embeddings for ASR [54.30093015525726]
  本稿では,コンバータをベースとしたハイブリッドHMM ASRシステムに,ニューラルスピーカーの埋め込みを統合するための取り組みについて述べる。 話者埋め込みを用いたコンフォーマーベースハイブリッドASRシステムは, SWB 300hでのトレーニングにより, Hub5'00 と Hub5'01 で 9.0% WER を達成する。
  論文  参考訳（メタデータ） (2023-01-11T16:56:03Z)
• Exploration of End-to-End ASR for OpenSTT -- Russian Open Speech-to-Text Dataset [73.66530509749305]
  本稿では,ロシア最大のオープンソース言語データセットであるOpenSTTのエンドツーエンド自動音声認識システム(ASR)について検討する。 CTC/Attention, RNN-Transducer, Transformer など,既存のエンドツーエンドアプローチの評価を行った。 利用可能な3つの検証セット(電話、YouTube、書籍)について、私たちの最高のエンドツーエンドモデルは、それぞれ34.8%、19.1%、および18.1%のワードエラー率(WER)を達成する。
  論文  参考訳（メタデータ） (2020-06-15T10:35:31Z)

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。