論文の概要: CamSpokenNLI: A Pilot Resource for Cross-Variety Transfer Evaluation in Cameroon Pidgin English and Camfranglais
- arxiv url: http://arxiv.org/abs/2611.17573v1
- Date: Thu, 12 Nov 2026 22:51:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.272645
- Title: CamSpokenNLI: A Pilot Resource for Cross-Variety Transfer Evaluation in Cameroon Pidgin English and Camfranglais
- Title(参考訳): CamSpokenNLI:Cameroon Pidgin English and Camfranglaisにおけるクロスバリア転送評価のためのパイロットリソース
- Abstract要約: カメルーン・ピジン・イングリッシュ(Cameroon Pidgin English)とカメルーン・ピジン・イングリッシュ(Camfranglais)は、カメルーンで広く使われている。
また、NLI(Nugual Language Inference)という専用リソースも持っていない。
我々は,シナリオマッチングされた114のNLI項目のパイロットデータセットであるCamnNLIを紹介した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cameroon Pidgin English (a West African Pidgin English variety) and Camfranglais are widely used in Cameroon, yet to our knowledge, neither has a dedicated spoken Natural Language Inference (NLI) resource. We introduce CamSpokenNLI, a pilot dataset of 114 scenario-matched spoken NLI items in each variety (228 in total), recorded by one native speaker from Buea. Each item pairs premise audio and text with a hypothesis, an NLI label, and English glosses. The author assigned labels, so the dataset is an exploratory resource rather than a mature benchmark. The NLI experiments use the reference text; the audio is evaluated separately. XLM-RoBERTa baselines with five-fold item-level cross-validation reach 44.7% on Pidgin and 46.2% on Camfranglais (chance 33.3%). Still, neither is statistically distinguishable from hypothesis-only input, so hypothesis wording may account for much of the accuracy. Under disjoint-item cross-variety transfer, where a test item's counterpart is never seen in training, accuracy is 40.1% (Pidgin to Camfranglais) and 45.6% (Camfranglais to Pidgin). A counterpart-leak audit raises this to 60-64%, illustrating how counterpart leakage can overstate transfer. Zero-shot Whisper transcription of the recordings performs poorly: the best word error rates are 66.6% for Pidgin and 45.5% for Camfranglais, and with automatic language identification, Whisper Large-v3 labels 93 of 114 Pidgin recordings as Yoruba or Swahili. Together, the results suggest that such resources need disjoint-item evaluation and hypothesis-only controls, and that speech recognition must be adapted to these varieties before spoken NLI can be tested end to end.
- Abstract(参考訳): カメルーン・ピジン・イングリッシュ(西アフリカ・ピジン・イングリッシュの品種)とカメルーン・ピジン・イングリッシュ(Cameroon Pidgin English)は、カメルーンで広く使われているが、我々の知る限りでは、どちらも専用の自然言語推論(NLI)資源を持っていない。
ブエアの1人のネイティブ話者が記録した114のシナリオマッチング音声NLI項目(合計228件)のパイロットデータセットであるCamSpokenNLIを紹介した。
各項目は、仮説、NLIラベル、英語グルースと、前提となるオーディオとテキストをペアリングする。
著者はラベルを割り当てたので、データセットは成熟したベンチマークではなく探索的なリソースである。
NLI実験は参照テキストを使用し、音声は別々に評価される。
XLM-RoBERTaベースラインは5倍のアイテムレベルのクロスバリデーションで44.7%、Camfranglaisで46.2%に達した(33.3%)。
それでも、どちらも仮説のみの入力と統計的に区別できないため、仮説のワードリングは精度の大部分を考慮できる。
テスト項目の相手がトレーニングで見られない異種間移動では、精度は40.1%(Pidgin to Camfranglais)、45.6%(Camfranglais to Pidgin)である。
対極リーク監査では60-64%に上昇し、対向リークがオーバーステート転送をいかに可能かを明らかにしている。
録音のゼロショットWhisperの書き起こしは、ピジンが66.6%、カンファングライスが45.5%、自動的な言語識別により、Whisper Large-v3レーベルは114のPhidginレコードのうち93をヨルバやスワヒリとして記録している。
この結果から,これらの資源には不整合性評価と仮説のみの制御が必要であることが示唆され,音声認識はNLIがエンドツーエンドで検証される前に,これらの品種に適応する必要がある。
関連論文リスト
- EvenVLM: A Text and Multimodal Dataset for the Even Language with Vision-Language Fine-Tuning [0.5729426778193398]
EvenVLMは、シベリアで約6,800人が話す絶滅危惧言語であるEven (Lamut)の最初のテキストおよびマルチモーダル(VQA)データセットである。
このデータセットは, GPT-4o Mini を用いた解析により, 辞書やフレーズブックソースから抽出した50,521個のロシア語句からなる。
我々は、翻訳、文法、読解、意味分類にまたがる107,543の学習例を合成的に生成する。
論文 参考訳(メタデータ) (2026-11-12T09:03:06Z) - Nepali-English Code-Mixed Speech Recognition: Data Preparation and Adaptation of a Speech Foundation Model [0.0]
ネパールの6つの音声領域をカバーする172.8時間コーパスを用いて、449MパラメータハイブリッドTDT-CTCモデルであるSraVaaniの適応方法を検討する。
数に対するネパール語と英語の読み出しを生成し、ゼロショットのASR出力を用いて可算形式を選択する。
完全な微調整により、テストワードエラー率(WER)は48.6%から17.1%に低下し、12エポックランは16.3%に達した。
論文 参考訳(メタデータ) (2026-11-10T03:39:19Z) - Recognized but Not Produced: A Generation Benchmark for Culturally Specific Kinship Terms [0.4440305753099883]
我々は5つの大きな言語モデルに、西欧以外の3つの言語で親族語を生成するよう促す。
同一の関連言語細胞では、GPT OSS120Bは75の有効な細胞の90.67%で正しい項を選択するが、対応する試みの360%で受け入れられた項を生成する。
明示的に指定されたL3プロンプトでは、GLM-5.1の72.29%からLlama-3.370Bの24.24%まで、精度が大幅に変化する。
ヒンディー語では大きいが、韓国語では弱いか逆転しているのに対し、タミル語では共通項ペアが測定変動の制御を提供する。
論文 参考訳(メタデータ) (2026-09-22T18:30:09Z) - Structure, Association, and Decision Value: Representation-Based Difficulty Estimation for Adaptive Inference in African-Language NLI [0.0]
我々は15のアフリカ諸言語にまたがる自然言語の推論について検討した。
AfriXNLIはXNLIに由来するため、英語、フランス語、スワヒリの構成はXNLIで訓練されたモデルのクリーンな評価には役立たない。
我々の中心的な方法論的発見は、表現統計学は、ある計算的利益の概念に対して統計的に有意であり、他方とは無関係であるということである。
論文 参考訳(メタデータ) (2026-08-19T15:03:51Z) - Should LLMs, $\textit{like}$, Generate How Users Talk? Building Dialect-Accurate Dialog[ue]s Beyond the American Default with MDial [13.016574005932311]
16億人の英語話者の80%以上が標準アメリカ英語を使用していない。
我々は,多言語対話データを生成するための最初の大規模フレームワークである$textbfMDial$を紹介した。
論文 参考訳(メタデータ) (2026-01-30T12:08:08Z) - A Novel Cartography-Based Curriculum Learning Method Applied on RoNLI: The First Romanian Natural Language Inference Corpus [71.77214818319054]
自然言語推論は自然言語理解のプロキシである。
ルーマニア語のNLIコーパスは公開されていない。
58Kの訓練文対からなるルーマニア初のNLIコーパス(RoNLI)を紹介する。
論文 参考訳(メタデータ) (2024-05-20T08:41:15Z) - ASR2K: Speech Recognition for Around 2000 Languages without Audio [100.41158814934802]
対象言語に音声を必要としない音声認識パイプラインを提案する。
私たちのパイプラインは、音響、発音、言語モデルという3つのコンポーネントで構成されています。
我々は、1909年の言語をCrubadanと組み合わせて、大きな絶滅危惧言語n-gramデータベースを構築した。
論文 参考訳(メタデータ) (2022-09-06T22:48:29Z) - AmericasNLI: Evaluating Zero-shot Natural Language Understanding of
Pretrained Multilingual Models in Truly Low-resource Languages [75.08199398141744]
我々は、XNLI(Conneau et al)の拡張である AmericasNLI を提示する。
は、アメリカ大陸の10の原住民の言語である。
XLM-Rで実験を行い、複数のゼロショットおよび翻訳ベースのアプローチをテストします。
XLM-Rのゼロショット性能は全10言語で低調であり、平均性能は38.62%である。
論文 参考訳(メタデータ) (2021-04-18T05:32:28Z) - Unsupervised Cross-lingual Representation Learning for Speech
Recognition [63.85924123692923]
XLSRは、複数の言語における音声の生波形から1つのモデルを事前学習することで、言語間音声表現を学習する。
我々は、マスク付き潜在音声表現よりも対照的なタスクを解くことで訓練されたwav2vec 2.0を構築した。
実験により、言語間事前学習はモノリンガル事前訓練よりも著しく優れていることが示された。
論文 参考訳(メタデータ) (2020-06-24T18:25:05Z)
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。