論文の概要: CEFR-oriented Russian Text Simplification Using Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2610.27237v1
- Date: Mon, 19 Oct 2026 20:04:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.490223
- Title: CEFR-oriented Russian Text Simplification Using Reinforcement Learning
- Title（参考訳）: 強化学習を用いたCEFRによるロシア語テキストの簡易化
- Abstract要約: 本稿では、好みに基づく最適化アルゴリズムを用いて、ロシア語テキストの制御された自動単純化について検討する。
Rejection Smpling と Direct Preference Optimization (DPO) を使って YandexGPT を微調整し、生成したテキストの複雑さの制御を改善する。
最適モデルでは,87.15%の目標レベル精度,0.35CEFRレベルのMAE,0.11の目標間隔MAEが達成される。
- 参考スコア（独自算出の注目度）: 0.2578242050187029
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a study on controlled automatic simplification of Russian texts using preference-based optimization algorithms with a focus on adapting texts to the A1, A2 and B1 proficiency levels. We fine-tune YandexGPT using Rejection Sampling and Direct Preference Optimization (DPO) methods to improve control over the complexity of the generated text. We compare several training configurations that differ in dataset composition, text type and the strategy used to construct preference pairs for DPO. For automatic evaluation we train a regression model based on ruRoBERTa-large to predict continuous complexity scores corresponding to CEFR levels. We also consider semantic similarity, lexical coverage and quantitative readability metrics. Human evaluation assesses simplicity, fluency and adequacy. Our best model achieves 87.15\% target level accuracy, an MAE of 0.35 CEFR levels and a target interval MAE of 0.11. Manual assessment shows that 75% of the evaluated simplifications match the target morphological and syntactic level, and fluency and adequacy scores are especially high for A2 and B1. Although A1 remains the most challenging level, the model significantly reduces the proportion of vocabulary and grammatical constructions beyond the target level while generally preserving meaning. Our model is freely available on $\href{https://huggingface.co/kmustakova/RuSimplifier_DPO}{HuggingFace}$.
- Abstract（参考訳）: 本稿では,A1,A2,B1の習熟度に適応することに着目した嗜好に基づく最適化アルゴリズムを用いて,ロシア語テキストの自動簡略化制御について検討する。
Rejection Smpling と Direct Preference Optimization (DPO) を使って YandexGPT を微調整し、生成したテキストの複雑さの制御を改善する。
データセットの構成やテキストタイプ,DPOの選好ペア構築に使用する戦略など,いくつかのトレーニング構成を比較した。
自動評価のために,ruRoBERTa-largeに基づく回帰モデルをトレーニングし,CEFRレベルに応じた連続的な複雑性スコアを予測する。
また、意味的類似性、語彙的カバレッジ、量的可読性指標についても検討する。
人間の評価は単純さ、流布度、妥当性を評価する。
最適モデルでは、目標レベル精度87.15\%、目標レベル0.35CEFR、目標間隔MAE0.11が達成される。
手動による評価では, 評価された単純化の75%は対象形態, 構文レベルと一致し, 特にA2, B1では流速, 精度が高かった。
A1は依然として最も困難なレベルであるが、このモデルは、一般的に意味を保ちながら、ターゲットレベルを超えて語彙や文法的な構成の比率を著しく減少させる。
私たちのモデルは、$\href{https://huggingface.co/kmustakova/RuSimplifier_DPO}{HuggingFace}$で自由に利用できます。
関連論文リスト
- Rethinking Entropy Minimization in Test-Time Adaptation for Autoregressive Models [52.18157855348584]
エントロピー最小化(EM)によるテスト時間適応(TTA)は分類作業に有効であることが証明されているが、その応用は理論的に断片化されている。
本研究では,自己回帰モデルに適した厳密なEMの定式化を導出する。
本研究の目的は,トークンレベルの政策勾配損失とトークンレベルのエントロピー損失に自然に分解されることを示し,従来の手法を統一された定式化の部分的実現として再解釈する。
テストベッドとしてWhisper ASRを用いることで、音響ノイズ、アクセント、多言語設定を含む20以上の異なる領域のパフォーマンスを継続的に向上することを示す。
論文 参考訳（メタデータ） (2026-05-05T12:00:06Z) - Structured Prompting for Arabic Essay Proficiency: A Trait-Centric Evaluation Approach [3.0802183987532725]
本稿では,アラビア語における特徴特異的自動検査(AES)のための新しいプロンプトエンジニアリングフレームワークを提案する。
組織,語彙,開発,スタイルなど,言語能力の異なる特徴を評価する上で,LLMを導く3段階のプロンプト戦略を導入する。
実験結果から,Fanar-1-9B-Instructは0と数発のプロンプトにおいて高い特性レベルの一致を達成した。
論文 参考訳（メタデータ） (2026-03-20T06:05:04Z) - Neural networks for Text-to-Speech evaluation [35.277885003866466]
音声合成システムは、人間の知覚された品質を大規模に提供する必要がある。
Mean Opinion Score (MOS) や Side-by-Side (SBS) のような人間の主観評価プロトコルは、事実上のゴールド標準のままである。
本研究では、これらの障壁を定式化し、新しいニューラルモデルスイートを実装して解決する。
論文 参考訳（メタデータ） (2026-03-17T16:07:15Z) - AffordanceGrasp-R1:Leveraging Reasoning-Based Affordance Segmentation with Reinforcement Learning for Robotic Grasping [37.71157510922818]
AffordanceGrasp-R1は、ロボットグリップのための推論駆動のアベイランスセグメンテーションフレームワークである。
AffordanceGrasp-R1は、ベンチマークデータセットにおける最先端(SOTA)メソッドよりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-02-03T14:00:56Z) - Automated Refinement of Essay Scoring Rubrics for Language Models via Reflect-and-Revise [41.16092952642748]
本研究では,Large Language Models (LLMs) で使用されているれんがを精製することにより,AES(Automated Scoring)を向上する可能性について検討する。
GPT-4.1、Gemini-2.5-Pro、Qwen-3-Next-80B-A3B-Instructによるデータセットの実験では、最大0.19と0.47の改善が得られた。
論文 参考訳（メタデータ） (2025-10-10T06:05:38Z) - LLM Routing with Dueling Feedback [49.67815163970033]
ユーザの満足度,モデルの専門性,推論コストのバランスを保ちながら,クエリ毎に最適なモデルを選択するという課題について検討する。
絶対的なスコアではなく、ペアの選好フィードバックから学習することで、ルーティングをコンテキストデュエルの帯域として定式化する。
分類的重み付けを用いた対照的な微調整を用いて,オフラインデータからモデル埋め込みを導出する表現学習手法であるカテゴリーキャリブレーション・ファインタニング(CCFT)を導入する。
論文 参考訳（メタデータ） (2025-10-01T12:52:25Z) - Enhancing Paraphrase Type Generation: The Impact of DPO and RLHF Evaluated with Human-Ranked Data [0.0]
パラフレーズ化は、テキストの単純化、機械翻訳、質問応答などのアプリケーションを強化する意味を持つ。
既存のパラフレーズ型生成法は、自動化されたメトリクスと限定的な人手によるトレーニングデータに依存するため、人間の嗜好に反することが多い。
本研究は,人間のランク付けされたパラフレーズ型データセットを活用し,モデル出力と人間の判断を直接整合させるためにDPO(Direct Preference Optimization)を統合することで,このギャップに対処する。
論文 参考訳（メタデータ） (2025-05-28T07:52:18Z) - Towards Generalizable Trajectory Prediction Using Dual-Level Representation Learning And Adaptive Prompting [107.4034346788744]
既存の車両軌道予測モデルは、一般化可能性、予測の不確実性、複雑な相互作用を扱う。
本研究では,(1)自己拡張(SD)とマスドレコンストラクション(MR)による二重レベル表現学習,グローバルコンテキストと細部の詳細の収集,(2)レジスタベースのクエリと事前学習の強化,クラスタリングと抑圧の必要性の排除,(3)微調整中の適応型プロンプトチューニング,メインアーキテクチャの凍結,および少数のプロンプトの最適化といった,新たなトラジェクタ予測フレームワークであるPerceiverを提案する。
論文 参考訳（メタデータ） (2025-01-08T20:11:09Z) - Analysing Zero-Shot Readability-Controlled Sentence Simplification [54.09069745799918]
本研究では,異なる種類の文脈情報が,所望の可読性を持つ文を生成するモデルの能力に与える影響について検討する。
結果から,全ての試験されたモデルは,原文の制限や特徴のため,文の簡略化に苦慮していることがわかった。
実験では、RCTSに合わせたより良い自動評価指標の必要性も強調した。
論文 参考訳（メタデータ） (2024-09-30T12:36:25Z) - Preference Alignment Improves Language Model-Based TTS [76.70693823683091]
選好アライメントアルゴリズムは、報酬モデルの嗜好に合わせてLMを調整し、生成されたコンテンツの望ましさを高める。
1.15B のパラメータ LM に基づく TTS モデルを用いて、嗜好の整合性は常に知性、話者類似性、代用主観的評価スコアを向上することを示した。
論文 参考訳（メタデータ） (2024-09-19T01:58:19Z)
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。