Fugu-MT 論文翻訳(概要): Synthetic linguistic data

論文の概要: Synthetic linguistic data

arxiv url: http://arxiv.org/abs/2610.34215v1
Date: Sun, 25 Oct 2026 11:11:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-27 22:27:13.560599
Title: Synthetic linguistic data
Title（参考訳）: 合成言語データ
Abstract要約: この用語集は、人工的な植物園を合成データの比喩として導入することで、ブレスナンの言語庭園と茂みの区別を広げている。モデル生成言語のコーパスのような集合体を主成分とする合成茂みデータと,制御条件下でモデル出力を誘導し,特定の言語仮説を解明する合成園芸データとを区別する。
参考スコア（独自算出の注目度）: 0.10152838128195468
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Synthetic linguistic data have become increasingly prominent in linguistic research, from the analysis of large collections of AI-generated texts to controlled experiments investigating grammatical and lexical preferences. This glossary entry extends Bresnan's (2016) distinction between the linguistic garden and the bush by introducing an artificial plant nursery as a metaphor for synthetic data. We distinguish between synthetic bush data, consisting primarily of corpus-like collections of model-generated language, and synthetic garden data, in which model outputs are elicited under controlled conditions to investigate specific linguistic hypotheses. We argue that synthetic data constitute a distinct object of linguistic investigation: comparing them with natural language data can reveal both shared patterns and divergences, but their interpretation requires careful consideration of the conditions under which they are generated.
Abstract（参考訳）: 合成言語データは、AI生成された大量のテキストの分析から文法的および語彙的嗜好を研究する制御実験まで、言語研究において顕著になってきている。この用語集は、人工的な植物保育園を合成データの比喩として導入することで、ブレスナンの2016年(平成16年)の言語庭園と茂みの区別を延長している。モデル生成言語のコーパスのような集合体を主成分とする合成茂みデータと,制御条件下でモデル出力を誘導し,特定の言語仮説を解明する合成園芸データとを区別する。合成データと自然言語データを比較して、共有パターンと相違点の両方を明らかにすることができるが、それらの解釈には、それらが生成される条件について慎重に検討する必要がある。

関連論文リスト

Synthetic Child-Adult Interactions Are Not Developmentally Plausible [0.21485350418225244]
我々は,TinyDialoguesデータセットを,幅広い言語尺度の自然な対話と比較した。合成データは語彙レベルで自然データと一致するが、音声対話の混乱した断片化された性質を劇的に過小評価している。そこで本研究では,実対話から生成したデータを用いたインストラクションチューニングを提案し,中程度パラメータ効率の微調整後の自然データの統計的傾向を小さなモデルで近似することを示した。
論文参考訳（メタデータ） (2026-10-26T08:40:54Z)
Comparing Natural and Synthetic Structured Data: A Study of the Passive Verb Alternation in French and Italian [1.0857263744676489]
本研究では,自然データと合成データが大規模言語モデル(LLM)の学習および評価に与える影響を比較検討する。我々はBlackbird Language Matrices (BLMs) を用いて、文集合全体にわたる下位パターンの言語知識を探索するために設計された構造化データセットを用いている。実験により、モデルが合成データセット上で訓練および試験を行う際には天井性能が達成されるが、それらは自然文に確実に一般化されないことが示された。
論文参考訳（メタデータ） (2026-03-26T09:27:58Z)
Understanding the Influence of Synthetic Data for Text Embedders [52.04771455432998]
まず,Wangらによって提案された合成データの再生と公開を行った。合成データがモデル一般化をどのように改善するかを批判的に検討する。本研究は, 汎用インバータ構築における, 現在の合成データ手法の限界を浮き彫りにしたものである。
論文参考訳（メタデータ） (2025-09-07T19:28:52Z)
Language Models at the Syntax-Semantics Interface: A Case Study of the Long-Distance Binding of Chinese Reflexive ziji [0.0]
本稿では,中国語の反射ジジの複雑な結合パターンを,言語モデルで効果的に解決できるかどうかを考察する。我々は,BCCコーパスからの320の自然文とともに,構文文献のテンプレートと例を用いて240の合成文のデータセットを構築した。いずれのモデルも、人間のような判断を一貫して再現するものではない。
論文参考訳（メタデータ） (2025-04-02T20:25:27Z)
Artificial Conversations, Real Results: Fostering Language Detection with Synthetic Data [0.2687400480679652]
本研究では,合成データを生成するパイプラインと,大規模言語モデルが生成する合成データの有効性に影響を与える要因を総合的に検討する。我々の結果は、ほとんどのケースと異なるメトリクスにおいて、合成データに基づいて訓練された微調整されたモデルが、実データと合成テストデータセットの両方において、他のモデルよりも一貫して優れていたことを示している。
論文参考訳（メタデータ） (2025-03-31T13:22:34Z)
Learning Phonotactics from Linguistic Informants [54.086544221761486]
本モデルでは,情報理論的なポリシーの1つに従って,データポイントを反復的に選択または合成する。提案モデルでは,情報提供者を問う項目の選択に使用する情報理論のポリシーが,完全教師付きアプローチに匹敵する,あるいはそれ以上の効率性が得られることがわかった。
論文参考訳（メタデータ） (2024-05-08T00:18:56Z)
Agentivit\`a e telicit\`a in GilBERTo: implicazioni cognitive [77.71680953280436]
本研究の目的は,トランスフォーマーに基づくニューラルネットワークモデルが語彙意味論を推論するかどうかを検討することである。考慮される意味的性質は、テリシティ(定性とも組み合わされる)と作用性である。
論文参考訳（メタデータ） (2023-07-06T10:52:22Z)
Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics Interface of LMs Through Agentivity [68.8204255655161]
このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
論文参考訳（メタデータ） (2023-05-29T16:24:01Z)
On The Ingredients of an Effective Zero-shot Semantic Parser [95.01623036661468]
我々は、標準発話とプログラムの訓練例を文法から言い換えて、ゼロショット学習を分析する。改良された文法,より強力なパラフレーズ,効率的な学習手法を用いて,これらのギャップを埋めることを提案する。我々のモデルはラベル付きデータゼロの2つの意味解析ベンチマーク(Scholar, Geo)で高い性能を達成する。
論文参考訳（メタデータ） (2021-10-15T21:41:16Z)
Exploiting Syntactic Structure for Better Language Modeling: A Syntactic Distance Approach [78.77265671634454]
我々はマルチタスクの目的、すなわち、モデルが単語を同時に予測し、また「シンタクティック距離」と呼ばれる形態で真実解析木を解析する。 Penn Treebank と Chinese Treebank のデータセットによる実験結果から,地上の真理解析木を追加の訓練信号として提供すると,そのモデルはより低いパープレキシティを実現し,より良い品質で木を誘導できることが示された。
論文参考訳（メタデータ） (2020-05-12T15:35:00Z)
Do Neural Language Models Show Preferences for Syntactic Formalisms? [14.388237635684737]
本研究では,言語モデルが捉えた構文構造のセマンランスが,表面シンタクティックあるいは深層構文解析の様式にどの程度依存しているかについて検討する。 13の異なる言語で訓練されたBERTおよびELMoモデルに対して,有向依存木抽出のためのプローブを適用した。どちらのモデルも、SUDよりもUDを好むことが分かりました。
論文参考訳（メタデータ） (2020-04-29T11:37:53Z)

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。