2026年02月06日
## 要約：
多言語モデルは、モノリンガルモデルに比べて語彙の曖昧性解消のタスクで性能が劣ることが確認されました。これは、表現力（埋め込みの均一性低下）、注意機構（曖昧性解消の兆候への注意不足）、語彙の関連性（複数トークンへの分割）といった容量制約が原因である可能性が示唆されます。 これらの制約が、モデルの多言語性によって説明されていた性能低下を統計的に説明しています。
---
## 翻訳：
arXiv:2602.05035v1 Announce Type: new
Abstract: 多言語言語モデル (LMs) は、モノリンガルな対数に比べて、性能が劣る場合があります。これは、容量の制限によるものかもしれません。私達は、あいまいな単語の語彙の曖昧性解消（正確な意味表現と文脈化メカニズムを必要とするタスク）のために、人間関係判断の制御されたデータセットを用いて「多言語ペナルティ」を定量化します。同じファミリーのモノリンガルと多言語のLMを比較した結果、多言語LMで一貫して性能が低下することがわかりました。次に、表現（埋め込みの均一性の低下）、注意（曖昧性解消の兆候への注意の低下）、語彙関連性（複数トークンへの分割の増加）の3つの潜在的な容量制約を検討しました。多言語LMは、これら3つの制限の何らかの証拠を示しました。しかも、これらの要因は、以前はモデルの多言語ステータスに帰属されていた分散を統計的に説明しました。 これらの結果は、多言語LMが複数の容量制約に苦しんでいることを示唆しています。そして、これらの制約は、曖昧性解消の性能の低下と相関関係があります。
[📰 原文はこちら](https://arxiv.org/abs/2602.05035)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
