要旨: 論述（リトリック）認識は、自動作文採点における重要な構成要素である。学生の文章に含まれる修辞要素を特定することで、AIシステムは言語的スキルおよび高次の思考スキルをより適切に評価でき、そのため本タスクは教育におけるAI分野の中で不可欠な課題となる。本論文では、中国語の修辞認識タスクに対して、大規模言語モデル（LLM）を活用する。具体的には、修辞知識をLLMに統合するために、低ランク適応（LoRA）に基づく微調整およびインコンテキスト学習を探究する。出力をJSONとして定式化することで構造化された出力を得、キーを中国語に翻訳する。さらに性能を向上させるために、いくつかのモデルアンサンブル手法についても調査する。我々の手法は、CCL 2025 の中国語作文修辞認識評価タスクの3つのトラックすべてで最高の性能を達成し、第一位を獲得した。
LoRA、イン・コンテキスト学習、モデルアンサンブルによる中国語作文の修辞表現認識
arXiv cs.AI / 2026/4/17
💬 オピニオンModels & Research
要点
- この論文は、自動作文採点のための中国語修辞表現認識に取り組み、LLMを用いて修辞要素を検出し、言語力と高次思考力の両面を評価することを目指しています。
- LoRAベースの微調整とイン・コンテキスト学習により、修辞知識をLLMへ統合する手法を提案し、出力はJSONで構造化しつつキー情報を中国語へ翻訳します。
- さらなる性能向上のために、アンサンブル手法を複数検証し、主要アプローチと組み合わせて効果を高めています。
- 提案手法はCCL 2025の中国語作文修辞表現認識評価タスクの3つのトラックすべてで最高性能を達成し、1位を獲得しました。
