PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.20255v1cs.CL

레지스터 격차: 나이지리아 공적 담론을 위한 의미 지능 프레임워크

The Register Gap: A Meaning Intelligence Framework for Nigerian Public Discourse

우리는 표면적 감정과 진정한 소통 의도를 분리하는 나이지리아 공적 담론을 위한 9차원 주석 및 평가 스키마인 의미 지능 프레임워크(MIF)를 소개합니다. NaijaSenti와 AfriSenti를 포함한 기존 나이지리아 언어 벤치마크는 감정 분류를 3가지 극성 작업(긍정, 부정, 중립)으로 다룹니다. 우리는 나이지리아 담론에서 AI 시스템의 주요 실패 양상이 번역 실패가 아니라 맥락 실패라고 주장합니다. 즉, 화자, 청중, 상황에 따라 동일한 발화가 상반된 화용론적 힘을 가질 수 있기 때문입니다. MIF는 레지스터, 표면적 감정, 진정한 의도, 아이러니, 암호화된 서브텍스트, 위험 등급, 주석자 신뢰도, 화자 감정, 권장 커뮤니케이션 행동이라는 9가지 채점 차원에 걸쳐 이러한 통찰을 구체화합니다. 우리는 표준 영어, 나이지리아 영어, 나이지리아 피진, 코드 혼합 레지스터에 걸친 30개 항목의 보정 데이터셋을 구축하고, 제로샷 및 스키마 정보 제공 프롬프트 조건 하에서 최첨단 언어 모델(Gemini 2.5 Flash)을 평가합니다. 주요 발견은 레지스터 격차입니다. 제로샷 레지스터 분류 정확도는 33.3%이지만, 모델이 문맥 내에서 MIF 스키마를 제공받으면 73.3%(+40 포인트)로 상승합니다. 스키마 정보 제공 프롬프팅 하에서 종합 의미 지능 점수가 5.4 포인트(73.2에서 78.6으로) 증가했으며, 레지스터 식별, 암호화된 서브텍스트 감지(+10 포인트), 전략적 조치 권장(+10.3 포인트)에서 가장 큰 실질적 이득을 보였습니다. 우리는 재현성을 지원하기 위해 프레임워크 사양, 주석 가이드라인, 30개 항목의 공개 보정 세트를 공개하며, 데이터 오염 방지 평가를 위해 비공개 홀드아웃 말뭉치는 유지합니다.