論文の概要: alkhder at AlexandriaX-2026: Context-Aware English-to-Dialectal Arabic Dialogue Translation with QLoRA-Fine-Tuned NileChat-3B

• arxiv url: http://arxiv.org/abs/2610.22525v1
• Date: Thu, 15 Oct 2026 18:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.621351
• Title: alkhder at AlexandriaX-2026: Context-Aware English-to-Dialectal Arabic Dialogue Translation with QLoRA-Fine-Tuned NileChat-3B
• Title（参考訳）: alkhder at AlexandriaX-2026: Context-Aware English-to-Dialectal Arabic Dialogue Translation with QLoRA-Fine-Tuned NileChat-3B
• Abstract要約: 並列対話コーパスにQLoRAを用いたNileChat-3B-Baseを微調整する。 各ターンは、対象国と方言で条件付きで翻訳される。 このシステムは20.36の国平均のspBLEUと36.64のchrF++に到達している。
• 参考スコア（独自算出の注目度）: 2.422205869507963
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper describes team Alkhder's submission to Subtask 1 of the AlexandriaX-2026 shared task, which asks systems to translate English dialogue turns into thirteen Arabic dialects. We fine-tune NileChat-3B-Base with QLoRA on the Alexandria parallel dialogue corpus, training one set of adapter weights for all dialects. Each turn is translated conditioned on the target country and dialect, the domain, the participant roles, the speaker-addressee gender direction, and the preceding dialogue context. At inference, conversations are translated autoregressively and the model is fed its own previous outputs back as context without using any gold target-side test information. Under the constrained track, using only Alexandria data, it trains in about one hour and translates the private test set in under two hours. The system reaches a country-macro-averaged spBLEU of 20.36 and chrF++ of 36.64 on both tracks.
• Abstract（参考訳）: 本稿では、アレクサンドリアX-2026共有タスクのサブタスク1へのチーム・アルクダーの提出について述べる。 我々は、NileChat-3B-Baseをアレクサンドリアのパラレル対話コーパス上でQLoRAで微調整し、すべての方言に対して1組のアダプタウェイトを訓練する。 各ターンは、対象国と方言、ドメイン、参加者の役割、講演者のジェンダー方向、先行する対話コンテキストに翻訳される。 推論では、会話は自己回帰的に翻訳され、モデルはゴールドターゲット側のテスト情報を用いることなく、自身の出力をコンテキストとして返される。 制限された線路の下では、アレクサンドリアのデータのみを使用して、約1時間で訓練し、プライベートテストは2時間以内に翻訳される。 このシステムは20.36の国平均のspBLEUと36.64のchrF++に到達している。

関連論文リスト

• NADI 2026: The Second Multidialectal Arabic Speech Processing Shared Task [58.96707725438922]
  自動音声認識(ASR)、音声対話識別(SDID)、テキスト音声翻訳(TTS)、音声言語翻訳(SLT)、音声言語理解(SLU)の5つのタスクと8つのサブタスクからなる。 Nadir 2026は、低帯域幅、混合ダイアレクト、コードスイッチ、アウト・オブ・ドメイン、ゼロショット設定による現実的な評価を強調している。
  論文  参考訳（メタデータ） (2026-09-22T21:37:54Z)
• AlexandriaX 2026: The First Shared Task on Dialectal Arabic Machine Translation [65.18574662565511]
  アレクサンドリアX 2026 アラビア語 MT の共有タスクは、3つのサブタスクを通じて課題に対処する。 Subtask 1の最良のシステムは、制約のないトラックで30.42 spBLEU、制約のないトラックで33.49 spBLEUを達成した。 その結果、明示的な方言モデリング、文脈認識生成、検索と再ランク付け、およびMT誤り解析のための特殊なアプローチの利点が浮き彫りになった。
  論文  参考訳（メタデータ） (2026-09-19T05:59:30Z)
• Rosetta at AlexandriaX-2026: LoRA-Adapted NileChat for Context-Aware Dialectal Arabic Dialogue Translation [0.12610878295802416]
  本稿では、アレクサンドリアX共有タスクのサブタスク1のロゼッタシステムについて述べる。 この手法は,NileChat-3B上のLoRAアダプタを構造化システム/ユーザにより微調整し,その条件生成を方言と対話コンテキストで促す。
  論文  参考訳（メタデータ） (2026-09-09T16:15:41Z)
• Alexandria: A Multi-Domain Dialectal Arabic Machine Translation Dataset for Culturally Inclusive and Linguistically Diverse LLMs [21.956278976240196]
  textbfAlexandriaは、大規模な、コミュニティ主導の、人間による翻訳データセットである。 アレクサンドリアは、健康、教育、農業を含む13のアラブ諸国と11のハイインパクト領域をカバーしている。 このデータセットは、話者の性別設定に注釈を付けたマルチターンの会話シナリオで構成されている。
  論文  参考訳（メタデータ） (2026-01-19T14:38:28Z)
• DialectalArabicMMLU: Benchmarking Dialectal Capabilities in Arabic and Multilingual Language Models [54.10223256792762]
  アラビア方言における大規模言語モデル(LLM)の性能評価のための新しいベンチマークであるDialectalArabicMMLUを提案する。 MMLU-Redux フレームワークを手動で翻訳し、3K 個の質問応答対を5つの主要な方言に適応することで拡張する。
  論文  参考訳（メタデータ） (2025-10-31T15:17:06Z)
• SeamlessM4T: Massively Multilingual & Multimodal Machine Translation [90.71078166159295]
  音声から音声への翻訳,音声からテキストへの翻訳,テキストからテキストへの翻訳,最大100言語の自動音声認識をサポートする単一モデルSeamlessM4Tを紹介する。 我々は、音声とテキストの両方に英語を翻訳できる最初の多言語システムを開発した。 FLEURSでは、SeamlessM4Tが複数のターゲット言語への翻訳の新しい標準を設定し、音声からテキストへの直接翻訳において、以前のSOTAよりも20%BLEUの改善を実現している。
  論文  参考訳（メタデータ） (2023-08-22T17:44:18Z)
• Textless Speech-to-Speech Translation With Limited Parallel Data [51.3588490789084]
  PFBはテキストレスのS2STモデルをトレーニングするためのフレームワークで、数十時間の並列音声データしか必要としない。 3つのドメインで英語、ドイツ語、マラティー語、英語の翻訳をトレーニングし、評価する。
  論文  参考訳（メタデータ） (2023-05-24T17:59:05Z)
• MD3: The Multi-Dialect Dataset of Dialogues [20.144004030947507]
  本稿では,インド,ナイジェリア,米国から英語を表現した会話音声のデータセットを紹介する。 データセットには、20時間以上のオーディオと、20万以上の正書法で書き起こされたトークンが含まれている。
  論文  参考訳（メタデータ） (2023-05-19T00:14:10Z)

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。