論文の概要: Preference Optimization Improves Definition Generation: Semantic Change in EU Institutional Sustainable Finance Disclosures

• arxiv url: http://arxiv.org/abs/2610.33357v1
• Date: Fri, 23 Oct 2026 22:54:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.310703
• Title: Preference Optimization Improves Definition Generation: Semantic Change in EU Institutional Sustainable Finance Disclosures
• Title（参考訳）: 優先最適化は定義生成を改善する:EU機関の持続可能な財務情報開示における意味的変化
• Abstract要約: 辞書のような定義ジェネレータは語彙意味変化の検出に有用である。 過剰な粒度の分布に悩まされ、1つの語彙感覚と同一の語彙感覚に対して過剰な数の定義が生み出される。 直接優先度最適化(DPO)による微調整がこの問題の解決に有効であることを示す。
• 参考スコア（独自算出の注目度）: 5.274530810564227
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dictionary-like definition generators are known to be useful for lexical semantic change detection (LSCD). However, they suffer from overly granular sense distribution, producing excessive number of definitions for one and the same lexical sense. In this work, we show that fine-tuning with Direct Preference Optimization (DPO) helps to overcome this problem. We test our approach both quantitatively on a curated academic LSCD benchmark and qualitatively on real-world data for a practical task of auditing diachronic changes in sustainability terminology within project documentation of EU development finance. All models, code and predictions produced in this study are publicly available at https://github.com/ltgoslo/dpo-for-definition-generation.
• Abstract（参考訳）: 辞書のような定義ジェネレータは、語彙意味変化検出(LSCD)に有用であることが知られている。 しかし、それらは極度に粒度の粒度の分布に悩まされ、1つの語彙感覚と同一の語彙感覚に対する過剰な数の定義を生み出した。 本研究では,DPO(Direct Preference Optimization)による微調整がこの問題の解決に有効であることを示す。 本研究では,EU開発財政のプロジェクト文書における持続可能性用語の変更を監査するための実践的なタスクとして,カリキュラム付き学術LSCDベンチマークで定量的に,実世界のデータで定性的に検証する。 この研究で生成されたすべてのモデル、コード、予測は、https://github.com/ltgoslo/dpo-for-definition-generation.comで公開されている。

関連論文リスト

• Diversified and Perceptible Counterfactual Examples Leveraging Expert Knowledge [1.5924410290166868]
  本稿では,ファジィ言語語彙として表現される知識を統合することを提案する。 本稿では、この言語領域に連続的なデータ埋め込みを提案し、それを利用してDiCEの変種を定義し、DiCEfと呼ばれる説明者のパーソナライズを可能にする。
  論文  参考訳（メタデータ） (2026-09-14T14:07:00Z)
• Domain-Shift-Aware Conformal Prediction for Large Language Models [8.620363085499243]
  ドメインシフト対応コンフォーマル予測(DS-CP)と呼ばれる新しいフレームワークを提案する。 我々のフレームワークは、キャリブレーションサンプルを体系的に再重み付けすることで、ドメインシフト中の大きな言語モデルに整合予測を適用する。 MMLUベンチマークの理論的解析と実験により,提案手法は標準共形予測よりも信頼性の高いカバレッジを提供することが示された。
  論文  参考訳（メタデータ） (2025-10-07T04:22:06Z)
• Uncalibrated Reasoning: GRPO Induces Overconfidence for Stochastic Outcomes [55.2480439325792]
  強化学習(Reinforcement Learning, RL)は、数学のような検証可能な決定論的領域において、言語モデルの精度を向上させるために著しく有効であることが証明されている。 本稿では,現在のRL法が,科学的実験のような検証可能な領域における言語モデルの最適化にも有効かどうかを検討する。
  論文  参考訳（メタデータ） (2025-08-15T20:50:53Z)
• A Survey of Direct Preference Optimization [103.59317151002693]
  LLM(Large Language Models)は、前例のない生成能力を示す。 人的価値との整合性は、有用で無害なデプロイメントを保証する上で、依然として重要です。 直接優先度最適化(DPO)は、最近、合理化された代替案として注目されている。
  論文  参考訳（メタデータ） (2025-03-12T08:45:15Z)
• Alleviating Distribution Shift in Synthetic Data for Machine Translation Quality Estimation [55.73341401764367]
  合成QEデータの分散シフトを緩和する新しいフレームワークであるDCSQEを紹介する。 DCSQEは、参照、すなわち翻訳監督信号を使用して、生成プロセスとアノテーションプロセスの両方をガイドする。 実験により、DCSQEは教師なし設定と教師なし設定の両方でSOTAベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2025-02-27T10:11:53Z)
• Definition generation for lexical semantic change detection [3.7297237438000788]
  ダイアクロニック辞書意味変化検出(LSCD)タスクにおける意味表現として,大言語モデルによって生成された文脈化された単語定義を用いる。 つまり、生成された定義を感覚として使用し、比較対象単語の変化スコアを、比較対象単語の分布を2つの期間に比較して検索する。 本手法は従来の非教師付きLSCD法と同等か優れる。
  論文  参考訳（メタデータ） (2024-06-20T10:13:08Z)
• Discovering and Reasoning of Causality in the Hidden World with Large Language Models [109.62442253177376]
  我々はCausal representatiOn AssistanT(COAT)と呼ばれる新しいフレームワークを開発し、因果発見に有用な測定変数を提案する。 大規模言語モデル (LLM) と因果関係を直接推論する代わりに、COAT は中間因果発見結果から LLM へのフィードバックを構築し、提案した変数を洗練させる。
  論文  参考訳（メタデータ） (2024-02-06T12:18:54Z)
• Generalized Zero-Shot Learning via VAE-Conditioned Generative Flow [83.27681781274406]
  一般化されたゼロショット学習は、意味的記述から視覚的表現へ知識を移すことによって、目に見えないクラスと見えないクラスの両方を認識することを目的としている。 近年のGZSLはデータ不足問題として定式化されており、主にGANやVAEを採用して、目に見えないクラスの視覚的特徴を生成する。 GZSLのための条件付き生成フロー,すなわちVAE-Conditioned Generative Flow (VAE-cFlow)を提案する。
  論文  参考訳（メタデータ） (2020-09-01T09:12:31Z)

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。