論文の概要: KoAGE: Do Large Language Models Know, Learn, and Coin Korean Neologisms?

• arxiv url: http://arxiv.org/abs/2610.19399v1
• Date: Wed, 14 Oct 2026 01:49:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.890264
• Title: KoAGE: Do Large Language Models Know, Learn, and Coin Korean Neologisms?
• Title（参考訳）: KoAGE: 大規模言語モデルは韓国のネオロジズムを知っていますか?
• Abstract要約: 韓国のネオロジズムは様々なメカニズムを通じて発生し、語彙記憶を超えた言語モデルのテストが要求される。 我々はNeoTraceを紹介した。NeoTraceは自動で再実行可能なフレームワークで、ジャンル毎にネオロジズムを収集、日付付けする。
• 参考スコア（独自算出の注目度）: 11.218239939694532
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Korean neologisms arise through diverse mechanisms, a demanding test of language models beyond lexical memorization. To enable systematic evaluation, we introduce NeoTrace, an automated, rerunnable framework that collects and dates neologisms across genres. Its 4,271 entries support KoAGE, a cutoff-aware benchmark with three acquisition and two generation tasks---the latter, to our knowledge, the first to compare model coinages with attested neologisms under their original materials and community context. Across 21 models, lexical recall diverges from contextual inference: in a five-model temporal analysis, models define only 13-30% of cutoff-year words, yet can infer meaning from one usage. However, structural understanding remains limited: even correct definitions barely improve formation analysis of pre-cutoff neologisms. Given word-building materials, single models often follow human formation mechanisms, whereas multi-agent coinage favors abbreviation and depends on interaction framing. KoAGE thus separates what models know, learn from use, and coin.
• Abstract（参考訳）: 韓国のネオロジズムは様々なメカニズムを通じて発生し、語彙記憶を超えた言語モデルのテストが要求される。 組織的な評価を可能にするため,ジャンル別にネオロジズムを収集・日付付けする自動再実行可能なフレームワークであるNeoTraceを紹介した。 4,271のエントリは、3つの取得と2つの世代タスクを備えたカットオフ・アウェア・ベンチマークであるKoAGEをサポートします。 21モデルにまたがって、語彙的リコールは文脈的推論から分岐する:5モデル時間分析では、モデルは13～30%のカットオフワードしか定義しないが、1つの使用法から意味を推測することができる。 しかし、構造的理解は依然として限られており、正確な定義でさえ、カット前のネオロジズムの形成分析をほとんど改善しない。 単語構築材料が与えられた場合、単一のモデルはしばしば人間の形成メカニズムに従うが、マルチエージェントの硬貨は略語を好み、相互作用のフレーミングに依存している。 そのためKoAGEは、モデルが知っているもの、使用から学んだもの、そしてコインを分離する。

関連論文リスト

• CNeo-Bench: Diagnosing Large Language Models on Chinese Neologisms [14.352437998435114]
  中国のネオロジズムは多様でユニークな言語機構を生かしている。 CNeo-Benchは、参照定義を伴う4,759個のネオロジズムのベンチマークである。 中国のネオロジズムは依然としてオープンな課題である。
  論文  参考訳（メタデータ） (2026-08-28T08:17:30Z)
• UniConv: Unifying Retrieval and Response Generation for Large Language Models in Conversations [71.79210031338464]
  会話における大規模言語モデルに対する高密度検索と応答生成の統一方法を示す。 目的の異なる共同微調整を行い、不整合リスクを低減するための2つのメカニズムを設計する。 5つの対話型検索データセットの評価は、我々の統合モデルがタスクを相互に改善し、既存のベースラインより優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-09T17:02:40Z)
• NEO-BENCH: Evaluating Robustness of Large Language Models with Neologisms [19.863120275409393]
  我々は、いくつかの一般的な収集手法を用いて、近年のイングランドのネオロジズムの多様な資源を創出する。 我々は新語を含む文と新語を置き換えたほぼ同一の文とを既存の代用語と比較することにより,時間的ドリフトを分析する。 モデル性能は1つの新語が文中に導入されるとき、機械翻訳においてほぼ半減する。
  論文  参考訳（メタデータ） (2024-02-19T16:19:15Z)
• Generative Models as a Complex Systems Science: How can we make sense of large language model behavior? [75.79305790453654]
  事前訓練されたモデルから望ましい振る舞いを排除し、望ましくないモデルを避けながら、NLPを再定義した。 言語モデルの振る舞いをタスク間性能を説明するカテゴリに分解する体系的な取り組みについて論じる。
  論文  参考訳（メタデータ） (2023-07-31T22:58:41Z)
• Lattice-BERT: Leveraging Multi-Granularity Representations in Chinese Pre-trained Language Models [62.41139712595334]
  中国語のための新しい事前学習パラダイムであるLattice-BERTを提案する。 文中の文字や単語から格子グラフを構築し、これらすべてのテキスト単位をトランスフォーマーに供給します。 本モデルが12層設定で平均1.5%の増加をもたらすことを示した。
  論文  参考訳（メタデータ） (2021-04-15T02:36:49Z)
• Multi-timescale Representation Learning in LSTM Language Models [69.98840820213937]
  言語モデルは、非常に短いから非常に長いまでの時間スケールで単語間の統計的依存関係を捉えなければならない。 我々は、長期記憶言語モデルにおけるメモリゲーティング機構が、パワーローの減衰を捉えることができるかの理論を導出した。 実験の結果,自然言語で学習したLSTM言語モデルは,この理論分布を近似することがわかった。
  論文  参考訳（メタデータ） (2020-09-27T02:13:38Z)
• Mechanisms for Handling Nested Dependencies in Neural-Network Language Models and Humans [75.15855405318855]
  我々は,「深層学習」手法で訓練された現代人工ニューラルネットワークが,人間の文処理の中心的な側面を模倣するかどうかを検討した。 ネットワークは、大きなコーパスで次の単語を予測するためにのみ訓練されたが、分析の結果、局所的および長距離の構文合意をうまく処理する特別なユニットが出現した。 我々は,複数の名詞の単数/複数状態における体系的な変化を伴う文中の数一致の違反を人間が検出する行動実験において,モデルの予測を検証した。
  論文  参考訳（メタデータ） (2020-06-19T12:00:05Z)
• A Simple Joint Model for Improved Contextual Neural Lemmatization [60.802451210656805]
  本稿では,20言語で最先端の成果を得られる,単純結合型ニューラルモデルを提案する。 本論文では,トレーニングと復号化に加えて,本モデルについて述べる。
  論文  参考訳（メタデータ） (2019-04-04T02:03:19Z)

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。