arXiv 2603.23219
초록 정보가 없습니다.
이 이메일 도메인이 관측된 논문 5건
초록 정보가 없습니다.
초록 정보가 없습니다.
Wisdom in Unity: The Role of Multilingual Training in Figurative Language Identification in Proverbs
비유적 언어 식별에 대한 다국어 접근법은 새롭지 않지만, 단일 언어로 구성된 학습 데이터를 넘어서려면 번역된 다국어 지도(supervision)의 기여에 대한 더 명확한 이해가 필요하다. 본 연구는 7개 언어에 걸쳐 번역된 6,787개 인스턴스를 아우르는 742개의 속담 개념을 사용하여 이 질문을 조사한다. 저자들은 다국어 인코더와 인스트럭션 튜닝(instruction tuning)된 대규모 언어 모델(LLM)을 포함한 5개 모델을 대상으로, 다국어 지도의 수준을 점진적으로 높여 가며 평가한다. 또한 속담을 은유적(Metaphorical), 도덕/조언적(Moral/Advisory), 인과적(Cause-Effect), 문화 특수적(Culture-Specific)이라는 상호 보완적인 네 가지 비유 형태로 특징짓는 속담용 다차원 주석 프레임워크를 제안한다. 연구 결과, 전반적으로 다국어 학습(training) 데이터를 50% 이상 추가할 때 추가적인 성능 향상은 제한적이었으나, 최적의 지도 수준은 모델(model)과 언어에 따라 상이했다. 또한 다양한 비유 형태를 결합할 때 전반적인 성능이 가장 높게 나타남을 보인다. 주목할 만한 발견은 발생 빈도가 가장 낮은 비유 형태인 문화 특수적 형태가 다국어 지도 하에서 가장 큰 성능 향상을 보였다는 점이다. 나아가 속담의 도덕/조언적 형태와 문화 특수적 형태는 인스트럭션 튜닝된 LLM의 전반적인 비유 식별 성능에 더 크게 기여한다. 이러한 결과는 다국어 비유 식별 연구가 은유 중심의 분류 체계를 넘어, 문맥을 대표하는 상호 보완적인 비유적 의미 형태를 명시적으로 모델링하는 개념 수준의 다차원 프레임워크로 나아가도록 동기를 부여한다.
Semi-Supervised Adaptation of Vision-Language Models for Image Classification
CLIP과 같은 비전-언어(vision-language) 모델은 자연 이미지를 처리하는 데 있어 상당한 잠재력을 보여주었으나, 위성 이미지의 고유한 특성으로 인해 성능이 제한되는 경우가 많습니다. 매개변수 효율적 적응(parameter-efficient adaptation) 기법들이 존재하지만, 주석이 달린 샘플의 부족으로 인해 그 효과가 제한되는 일이 빈번합니다. 본 레터에서는 장면 분류에서 재귀적 라벨 마이닝(recursive label mining)을 위해 설계된 준지도(semi-supervised) 프레임워크인 Self-Evolutionary CLIP(SE-CLIP)을 제안합니다. 이 접근 방식은 소수의 주석 달린 시드(seed)를 통한 초기 웜업(warm-up)에 이어 라벨이 지정되지 않은 풀(pool)에서 신뢰도 높은 샘플을 반복적으로 식별하는 재귀적 발견 단계로 이루어진 2단계 파이프라인을 따릅니다. 진화하는 서포트 세트(support set)의 무결성을 유지하기 위해, 모델이 쉽게 학습되는 범주에 지배되는 것을 방지하는 클래스 균형 선택 전략을 채택합니다. UCM 및 NWPU 벤치마크에서의 결과는 SE-CLIP이 기존 준지도 접근 방식을 크게 능가함을 보여줍니다. 이 프레임워크는 최소한의 인간 개입으로 원격 탐사(remote sensing) 영역에 VLM을 적응시키기 위한 실행 가능한 설루션을 제공합니다.
15개 언어 414개 속담을 프롬프트로 네 가지 대규모 언어 모델(LLM)이 생성한 약 1.3만 편 내러티브를 분석하는 다국어 평가 프레임워크를 제안한다. 교차언어 프롬프트는 속담 수준의 의미를 대체로 보존하지만 행위자·사회적 위치·서사 구조를 체계적으로 재배치하며, 단일언어·교차언어 모두에서 모델 간 강한 해석 수렴이 관찰되어 의미 유사도만으로는 문화적 보존을 과대평가할 수 있음을 보인다.