論文の概要: Measuring Research Progress and Linguistic Inclusion in Low-Resource Languages
- arxiv url: http://arxiv.org/abs/2610.30296v1
- Date: Wed, 21 Oct 2026 18:11:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.099696
- Title: Measuring Research Progress and Linguistic Inclusion in Low-Resource Languages
- Title（参考訳）: 低リソース言語における研究の進展と言語包含度の測定
- Abstract要約: 我々は、2020年から2025年の間に1,158件の査読済みオープンアクセス論文を分析した。
言語包含フレームワーク(LIF)は,4次元の言語包含度を測定する多次元フレームワークである。
アジアで話されている言語は、LRL全体の話者の64.1%を占めているが、言語表現のシェアは46.7%に過ぎなかった。
国レベルでは、サハラ以南のアフリカや東南アジアなどの言語学的に多様である地域が最も低い。
- 参考スコア（独自算出の注目度）: 36.493808830697866
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Large Language Models (LLMs) have accelerated research on low-resource and multilingual NLP, but their effectiveness in creating an equitable landscape remains unmapped. We analyze 1,158 peer-reviewed open-access papers published between 2020 and 2025, examining research attention to low-resource languages (LRLs) and representation across language and speaker populations. To assess linguistic inclusion beyond publication counts, we introduce the Linguistic Inclusion Framework (LIF), a multidimensional framework that measures linguistic inclusion in four dimensions: research growth, representation expansion, representation continuity, and distributional equity. While annual publications grew from 52 to 415, a 5.4X increase in their ACL Anthology publication share, this growth largely concentrated on represented languages rather than expanding coverage of underrepresented languages. Further analysis shows that languages spoken in Asia account for 64.1% of speakers across LRLs we analyze but receive only 46.7% of the language representation share (0.7X their proportional share), while European languages receive 5.3X their proportional share. At the country level, linguistically diverse regions such as sub-Saharan Africa and Southeast Asia show the lowest language coverage ratios. Applying the framework at the continental level, we find that no region scores well on all four dimensions, showing that research growth alone is not a reliable metric of progress toward equitable and inclusive language technology\footnote{We will release all collected and annotated data for research purposes}.
- Abstract（参考訳）: LLM(Large Language Models)は、低リソースおよび多言語NLPの研究を加速しているが、公平なランドスケープを作成する上での有効性は未定のままである。
我々は、2020年から2025年の間に出版された1,158のピアレビューされたオープンアクセス論文を分析し、低リソース言語(LRL)に対する研究の注意と、言語および話者人口の表現を調査した。
出版数を超えた言語的包摂性を評価するために,言語的包摂性フレームワーク(LIF)を導入し,研究の進展,表現の展開,表現の連続性,配当性といった4次元の言語的包摂性を測定する。
年次出版物は52から415に増加し、ACLアンソロジー出版物のシェアは5.4倍に増加したが、この成長は主に表現できない言語の範囲を広げるよりも代表言語に集中した。
さらなる分析によると、アジアで話されている言語はLRL全体の話者の64.1%を占めるが、言語表現のシェアは46.7%しか得られていない(0.7倍)。
国レベルでは、サハラ以南のアフリカや東南アジアなどの言語学的に多様である地域が最も低い。
この枠組みを大陸レベルで適用すると、研究の成長だけでは、公平で包括的な言語技術への進歩の信頼できる指標ではないことが示され、研究目的のために収集および注釈付きデータを全てリリースする。
関連論文リスト
- DeepSEA: A Multilingual Evaluation Benchmark for Southeast Asia [23.25519115963574]
DeepSEAは、専門家による12の東南アジア言語への翻訳を通じてデータセットから構築されたベンチマークである。
Gemini-3.7-Flashのようなフロンティアモデルは、リソース層全体にわたって堅牢性を維持しているが、より小さなモデルは低リソース言語では深刻なパフォーマンス低下に直面している。
これらの発見が次世代の包括的多言語モデルの開発に光を当てることを願っている。
論文 参考訳（メタデータ） (2026-10-19T10:43:30Z) - From Phonemes to Meaning: Evaluating Large Language Models on Tamil [1.0493506909428438]
ILAKANAMは、スリランカの学校レベルのタミル語検定論文から820の質問を手作業で収集した最初のタミル語別言語評価ベンチマークである。
我々の結果は、Gemini 2.5が全体的なパフォーマンスを最高に達成し、オープンソースモデルは遅れていることを示している。
モデル全体の性能と言語カテゴリーを識別する能力の間に強い相関関係は見られず、実際の理解よりも露出によってパフォーマンスが引き起こされる可能性があることを示唆している。
論文 参考訳（メタデータ） (2025-11-15T23:41:16Z) - Charting the Landscape of African NLP: Mapping Progress and Shaping the Road Ahead [31.479276881803226]
アフリカは2000以上の言語を持つ世界で最も豊かな言語圏の1つである。
この多様性は、最先端の自然言語処理システムにはほとんど反映されない。
我々は過去5年間に出版されたアフリカ言語のためのNLPに関する884の研究論文を分析した。
論文 参考訳（メタデータ） (2025-05-27T15:13:08Z) - Pangea: A Fully Open Multilingual Multimodal LLM for 39 Languages [55.36534539177367]
本稿では,39言語にまたがる多様な6M命令データセットに基づいて訓練された多言語多言語多言語大言語モデル(MLLM)であるPangeaを紹介する。
P Pangeaは、多言語設定や多様な文化的コンテキストにおいて、既存のオープンソースモデルよりも大幅に優れています。
我々は、包括的で堅牢な多言語MLLMの開発を容易にするために、データ、コード、訓練されたチェックポイントを完全にオープンソースにしています。
論文 参考訳（メタデータ） (2024-10-21T16:19:41Z) - Cultural Fidelity in Large-Language Models: An Evaluation of Online Language Resources as a Driver of Model Performance in Value Representation [0.0]
GPT-4oが国の社会的価値を反映する能力は、その言語でデジタルリソースが利用可能であることと相関していることを示す。
低リソース言語、特にグローバル・サウスで顕著なWeakerのパフォーマンスは、デジタル・ディビジョンを悪化させる可能性がある。
論文 参考訳（メタデータ） (2024-10-14T13:33:00Z) - Zero-shot Sentiment Analysis in Low-Resource Languages Using a
Multilingual Sentiment Lexicon [78.12363425794214]
私たちは、34の言語にまたがるゼロショットの感情分析タスクに重点を置いています。
文レベルの感情データを使用しない多言語語彙を用いた事前学習は、英語の感情データセットに微調整されたモデルと比較して、ゼロショット性能が優れていることを示す。
論文 参考訳（メタデータ） (2024-02-03T10:41:05Z) - Multilingual Word Embeddings for Low-Resource Languages using Anchors
and a Chain of Related Languages [54.832599498774464]
我々は,言語連鎖に基づく新しいアプローチにより,多言語単語埋め込み(MWE)を構築することを提案する。
リソースの豊富なソースから始めて、ターゲットに到達するまで各言語をチェーンに順次追加することで、MWEを一度に1つの言語で構築します。
本手法は,4つの低リソース(5Mトークン)と4つの中程度の低リソース(50M)ターゲット言語を含む4つの言語ファミリーを対象としたバイリンガルレキシコン誘導法について検討した。
論文 参考訳（メタデータ） (2023-11-21T09:59:29Z) - Quantifying the Dialect Gap and its Correlates Across Languages [69.18461982439031]
この研究は、明らかな相違を明らかにし、マインドフルなデータ収集を通じてそれらに対処する可能性のある経路を特定することによって、方言NLPの分野を強化する基盤となる。
論文 参考訳（メタデータ） (2023-10-23T17:42:01Z) - Zero- and Few-Shot Prompting with LLMs: A Comparative Study with Fine-tuned Models for Bangla Sentiment Analysis [6.471458199049549]
本研究では,33,606件のニュースツイートとFacebookコメントを含む手動注釈付きデータセットを提案する。
また,Flan-T5,GPT-4,Bloomzなどの言語モデルを用いて,ゼロショットと少数ショットのインコンテキスト学習についても検討した。
以上の結果から,モノリンガルトランスフォーマーに基づくモデルは,ゼロおよび少数ショットシナリオにおいても,他のモデルよりも一貫して優れていたことが示唆された。
論文 参考訳（メタデータ） (2023-08-21T15:19:10Z)
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。