要約
CCL 2025の中国語作文修辞認識評価で、LoRAとIn-context Learningを融合した手法が全3トラック1位を獲得した。 JSON形式の出力構造化とキーの中国語化によりLLMへの修辞知識統合を実現し、認識精度を向上。 教育・作文支援分野におけるLLM活用の有効性を示す成果として注目される。
LoRAとICL組み合わせ手法、中国語修辞認識で3冠
Chinese Essay Rhetoric Recognition Using LoRA, In-context Learning and Model Ensemble
原文を読む →
https://arxiv.org/abs/2604.14167
本論文は、中国語作文の自動採点における修辞表現認識（比喩・対句・誇張などの修辞技法を特定するタスク）をLLMで解く手法を提案する。主な技術的貢献は3点ある。第一にLoRA（Low-Rank Adaptation）によるファインチューニングで、元のモデルパラメータを固定しつつ低ランク行列のみ学習することで、修辞に関するドメイン知識を効率的に注入する。第二にIn-context Learning（例示プロンプトを与えてゼロショット推論を誘導する手法）を併用し、少数の修辞例示から汎化させる。第三に出力をJSON形式に統一しキー名を中国語に翻訳することで、モデルが出力構造をより自然に学習できるよう工夫している。さらに複数モデルの予測を統合するモデルアンサンブル（多数決・重み付き平均等）で最終精度を底上げしている。CCL 2025共有タスクの全3トラックで1位を獲得しており、実践的な有効性は実証されているが、中国語作文教育という特定ドメムに閉じた研究であり汎用性は限定的。修辞認識を通じてAIによる高次思考スキルの評価が可能になる点で教育AI分野への貢献は明確である。