論文の概要: Typological Feature Induction as a Benchmark for Inductive Metalinguistic Reasoning

• arxiv url: http://arxiv.org/abs/2611.04421v1
• Date: Tue, 03 Nov 2026 07:06:51 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:57:29.834304
• Title: Typological Feature Induction as a Benchmark for Inductive Metalinguistic Reasoning
• Title（参考訳）: インダクティブメタルインダクティブ推論のベンチマークとしてのタイポロジー的特徴誘導
• Abstract要約: 本稿では,前ステップを対象とするタイプ的特徴誘導(TFI)を導入する。 既知のピボット言語の翻訳と組み合わせた無名言語の文が与えられた場合、モデルは無名言語の類型的特徴を予測する必要がある。 Grambank と Multi-parallel corpora から,195 言語に対する評価質問を自動的に作成する。
• 参考スコア（独自算出の注目度）: 21.17170586136921
• License:
• Abstract: Existing metalinguistic reasoning benchmarks require both inference of rules and their application, making failures hard to diagnose. We introduce typological feature induction (TFI) which targets the former step. Given sentences in an unnamed language paired with translations in a known pivot language, models must predict a typological feature of the unnamed language. From Grambank and multi-parallel corpora, we automatically build evaluation questions over 195 languages. We find that LLMs identify 59--80% of these languages from only 16 sentence pairs; and misaligning the translations barely affects their accuracy, suggesting reliance on prior knowledge of the language. Enciphering text to prevent recognition increases the corpus' utility, but mainly for features where target and pivot languages agree. On languages which models cannot identify, neither open model outperforms a majority-value baseline. Since induction from raw text aligns with field linguists' use-case, this work indicates the models tested are not yet ready for this role. TFI offers a scalable path to track progress in this direction.
• Abstract（参考訳）: 既存のメタ言語推論ベンチマークでは、ルールとアプリケーションの両方を推論する必要があるため、障害の診断が困難になる。 本稿では,前ステップを対象とするタイプ的特徴誘導(TFI)を導入する。 既知のピボット言語の翻訳と組み合わせた無名言語の文が与えられた場合、モデルは無名言語の類型的特徴を予測する必要がある。 Grambank と Multi-parallel corpora から,195 言語に対する評価質問を自動的に作成する。 LLMは16の文対から59-80%の言語を識別し、翻訳の誤りはそれらの精度にほとんど影響を与えず、言語に関する事前の知識に依存していることを示唆している。 認識を防ぐためのテキストの暗号化はコーパスの有用性を高めるが、主にターゲット言語とピボット言語が一致した機能のために行われる。 モデルが識別できない言語では、オープンモデルはマジョリティ値のベースラインを上回っない。 原文からの帰納は、フィールド言語学者のユースケースと一致しているため、この研究は、テストされたモデルがまだこの役割の準備ができていないことを示している。 TFIは、この方向の進捗を追跡するスケーラブルなパスを提供する。

関連論文リスト

• What Language is This? Ask Your Tokenizer [32.28976119949841]
  言語識別(LID)は多くの多言語自然言語処理パイプラインの重要なコンポーネントである。 我々は,UnigramLMトークン化アルゴリズムに基づくシンプルで効率的なLID手法UniLIDを紹介する。 我々の定式化は、データと計算効率が良く、既存のモデルを再訓練することなく、新しい言語の漸進的な追加をサポートしています。
  論文  参考訳（メタデータ） (2026-02-19T18:58:39Z)
• Corpus-Based Approaches to Igbo Diacritic Restoration [0.23552726065717702]
  自然言語を処理するコンピュータの能力は、NLP研究者がその境界を押し進めているため、増大している。 世界の7000言語のうち95%以上がNLPのために低リソースであり、NLP作業のためのデータ、ツール、技術はほとんど、あるいは全く持っていない。 ダイアクリティカルな曖昧さの概観と、他の言語に対する以前のダイアクリティカルな曖昧さのアプローチの見直しについて述べる。
  論文  参考訳（メタデータ） (2026-01-26T11:30:36Z)
• Robust Native Language Identification through Agentic Decomposition [23.899157231471104]
  大規模言語モデル(LLM)は、表面的な文脈的手がかりを利用することで、ネイティブ言語識別(NLI)ベンチマークで高いパフォーマンスを達成することが多い。 このような戦略は信頼できないことを示し、モデル予測は誤解を招くヒントによって容易に変更可能であることを示す。 専門エージェントが多種多様な言語的証拠を蓄積・分類する,法医学的言語学にヒントを得たエージェントNLIパイプラインを導入する。
  論文  参考訳（メタデータ） (2025-09-20T12:38:03Z)
• Languages in Multilingual Speech Foundation Models Align Both Phonetically and Semantically [58.019484208091534]
  事前訓練された言語モデル(LM)における言語間アライメントは、テキストベースのLMの効率的な転送を可能にしている。 テキストに基づく言語間アライメントの発見と手法が音声に適用されるかどうかについては、未解決のままである。
  論文  参考訳（メタデータ） (2025-05-26T07:21:20Z)
• Training Neural Networks as Recognizers of Formal Languages [87.06906286950438]
  ニューラルネットワークを文字列のバイナリ分類器として直接訓練し評価する。 3つのニューラルアーキテクチャに対して、チョムスキー階層の様々な言語について結果を提供する。 我々の貢献は、将来の研究において、言語認識の主張を理論的に健全に検証するのに役立つだろう。
  論文  参考訳（メタデータ） (2024-11-11T16:33:25Z)
• Detecting Languages Unintelligible to Multilingual Models through Local Structure Probes [15.870989191524094]
  我々は、言語間モデルでよく理解されていない言語を検出するために、未理解のテキストのみを必要とする一般的なアプローチを開発する。 我々のアプローチは、もしモデルの理解が言語のテキストに対する摂動に無関心であるなら、その言語について限られた理解を持つ可能性が高いという仮説から導かれる。
  論文  参考訳（メタデータ） (2022-11-09T16:45:16Z)
• Improving the Lexical Ability of Pretrained Language Models for Unsupervised Neural Machine Translation [127.81351683335143]
  クロスリンガルプリトレーニングは、2つの言語の語彙的表現と高レベル表現を整列させるモデルを必要とする。 これまでの研究では、これは表現が十分に整合していないためです。 本稿では,語彙レベルの情報で事前学習するバイリンガルマスク言語モデルを,型レベルのクロスリンガルサブワード埋め込みを用いて強化する。
  論文  参考訳（メタデータ） (2021-03-18T21:17:58Z)
• Inducing Language-Agnostic Multilingual Representations [61.97381112847459]
  言語間の表現は、世界中のほとんどの言語でNLP技術が利用可能になる可能性がある。 i) 対象言語のベクトル空間をピボットソース言語に再配置すること、(ii) 言語固有の手段と分散を取り除くこと、(ii) 副産物としての埋め込みの識別性を向上すること、(iii) 形態的制約や文の並べ替えを除去することによって言語間の入力類似性を高めること、の3つのアプローチを検討する。
  論文  参考訳（メタデータ） (2020-08-20T17:58:56Z)
• On the Importance of Word Order Information in Cross-lingual Sequence Labeling [80.65425412067464]
  ソース言語の単語順に適合する言語間モデルでは、ターゲット言語を処理できない可能性がある。 本研究では,ソース言語の単語順序に敏感なモデルを作成することで,対象言語の適応性能が向上するかどうかを検討する。
  論文  参考訳（メタデータ） (2020-01-30T03:35:44Z)

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。