論文の概要: Bilingual Language Models Capture Cross-Linguistic Influence in Second-Language Reading

• arxiv url: http://arxiv.org/abs/2610.31620v1
• Date: Thu, 22 Oct 2026 17:42:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.502077
• Title: Bilingual Language Models Capture Cross-Linguistic Influence in Second-Language Reading
• Title（参考訳）: バイリンガル言語モデルによる第二言語読解における言語横断的影響の把握
• Abstract要約: バイリンガルモデル内の言語間移動は、L2読解中にヒトL1誘導バイアスと整合する。 発見は、バイリンガルLMが言語間影響の側面を捉えている証拠となる。
• 参考スコア（独自算出の注目度）: 1.3126858950459552
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While monolingual language model (LM) surprisal is widely established as a predictor of reading times, it cannot capture the non-native (L2) reading dynamics that are shaped by the reader's first language (L1). In this work, we investigate whether the cross-lingual transfer within bilingual models aligns with human L1-driven biases during L2 reading. We evaluate bilingual models on eye-tracking data of readers from 12 diverse L1 backgrounds reading English texts. To isolate L1-specific transfer, we compare bilingual models trained on an L1 that matches the readers' L1 background to both a monolingual English baseline and bilingual models trained on other L1s. We demonstrate that matching the readers' L1 improves the prediction of L2 reading times. This predictive advantage is concentrated in late-stage eye-tracking measures, modulated by L1-L2 script overlap, and peaks among intermediate-proficiency readers. These findings provide evidence that bilingual LMs capture aspects of cross-linguistic influence, and that such influence is present in L2 reading behavior.
• Abstract（参考訳）: 単言語言語モデル (LM) は読解時間の予測因子として広く確立されているが、読み手の最初の言語 (L1) によって形成される非ネイティブ(L2) 読解ダイナミクスを捉えることはできない。 本研究では,両言語モデルにおける言語間移動がL2読解時の人間のL1駆動バイアスと一致しているかを検討する。 英語のテキストを読む12の異なるL1背景からの視線追跡データに対するバイリンガルモデルの評価を行った。 L1の翻訳を分離するために、L1で訓練されたバイリンガルモデルと、他のL1で訓練されたモノリンガル英語ベースラインおよびバイリンガルモデルを比較した。 読者のL1とのマッチングにより,L2読解時間の予測が向上することが実証された。 この予測上の優位性は、L1-L2スクリプトの重なりによって変調された後期の視線追跡尺度に集中し、中間習熟度読者の間でピークとなる。 これらの結果から,両言語的LMが言語間影響の側面を捉え,その影響がL2読解行動に存在することが示唆された。

関連論文リスト

• Mitigating Accent-Language Confusion in Self-Supervised Speech Representations for Language Identification [47.76899559610509]
  音声言語識別は、アクセントに関係なくターゲット言語を認識することを目的としている。 自己教師付き音声表現から微調整されたLIDモデルは、アクセントを言語と混同することが多い。 非ネイティブな音声表現は、母国語と母国語L1極の間にあり、体系的な誤分類を引き起こしていることを示す。
  論文  参考訳（メタデータ） (2026-10-07T05:42:40Z)
• Cross-Linguistic Effects in Bilingual Phoneme BabyLMs [7.916706829968672]
  言語横断効果は、バイリンガル第一言語習得における中心的なトピックである。 最近の研究は、発達的に妥当な制約の下でバイリンガル言語モデルを訓練することで、この方向を探求している。 これらの研究の方向性を組み合わせて、バイリンガルなBabyLMを音素入力で訓練する。
  論文  参考訳（メタデータ） (2026-09-29T09:31:29Z)
• Language Models as Artificial Learners: Investigating Crosslinguistic Influence [11.168086425477467]
  我々は,L1言語の優位性とL2言語の習熟度の変化の効果について検討した。 言語間プライミングを用いてL1構造の活性化がL2処理に与える影響を分析する。
  論文  参考訳（メタデータ） (2026-01-29T11:53:48Z)
• Can LLMs Simulate L2-English Dialogue? An Information-Theoretic Analysis of L1-Dependent Biases [22.048949559200935]
  本研究では,L2学習者における非ネイティブな英語使用をシミュレートする大規模言語モデルの評価を行った。 対話型インタビューでは、L2の英語学習者に7つの言語にまたがる特定のL1を模倣するよう促す。 本分析では,情報理論および分布密度測定を用いて,参照語使用や回避行動などのL1駆動型言語バイアスについて検討した。
  論文  参考訳（メタデータ） (2025-02-20T12:34:46Z)
• How Do Multilingual Language Models Remember Facts? [50.13632788453612]
  これまでに同定された英語のリコール機構が多言語文脈に適用可能であることを示す。 我々は、リコール中の言語の役割をローカライズし、エンリッチメントが言語に依存しないことを発見した。 デコーダのみのLLMでは、FVは2つの異なる段階でこれらの2つの情報を構成する。
  論文  参考訳（メタデータ） (2024-10-18T11:39:34Z)
• Language-Specific Neurons: The Key to Multilingual Capabilities in Large Language Models [117.20416338476856]
  大規模言語モデル(LLM)は、特別にキュレートされた多言語並列コーパスで事前訓練されることなく、顕著な多言語機能を示す。 LLM内の言語特異的ニューロンを識別するための新しい検出手法である言語アクティベーション確率エントロピー(LAPE)を提案する。 以上の結果から,LLMが特定の言語を処理できる能力は,神経細胞のサブセットが少なすぎるためであることが示唆された。
  論文  参考訳（メタデータ） (2024-02-26T09:36:05Z)
• Self-Augmented In-Context Learning for Unsupervised Word Translation [23.495503962839337]
  大規模言語モデル (LLMs) は、強力な単語翻訳やバイリンガル語彙誘導(BLI)機能を示す。 教師なしBLIのための自己拡張型インコンテキスト学習(SAIL)を提案する。 提案手法は,2つの確立したBLIベンチマーク上でのLDMのゼロショットプロンプトよりも大幅に向上することを示す。
  論文  参考訳（メタデータ） (2024-02-15T15:43:05Z)
• Second Language Acquisition of Neural Language Models [17.356128991925576]
  この研究は、第2言語(L2)によるニューラル言語モデル(LM)の獲得に光を当てている。 我々は,人間のL2獲得に類似したシナリオでバイリンガルLMを訓練し,言語学的視点から言語間移動を解析した。
  論文  参考訳（メタデータ） (2023-06-05T14:32:41Z)
• SLABERT Talk Pretty One Day: Modeling Second Language Acquisition with BERT [0.0]
  言語間移動は、話者の母語の言語構造が外国語の獲得に与える影響である。 我々はNLP文献が陰性移行現象に十分な注意を払っていないことを発見した。 そこで本研究では,TransformerベースのSLAモデルを用いたさらなる研究を提唱する。
  論文  参考訳（メタデータ） (2023-05-31T06:22:07Z)
• Multilingual Machine Translation with Large Language Models: Empirical Results and Analysis [103.89753784762445]
  大規模言語モデル(LLM)は多言語機械翻訳(MMT)の処理において顕著な可能性を示した。 本稿では, MMT における LLM の利点と課題を体系的に検討する。 また,ChatGPTとGPT-4を含む8つのLLMを徹底的に評価した。
  論文  参考訳（メタデータ） (2023-04-10T15:51:30Z)

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。