NAVER LABS系统复现：面向IWSLT 2026指令跟随任务
NAVER LABS团队复现了其IWSLT 2025指令跟随流水线，并针对IWSLT 2026共享任务（受限条件、短音频轨道）进行调整，采用SeamlessM4T-v2-large作为语音编码器、Qwen3-4B-Instruct作为LLM主干。保留了三阶段方法：投影器对齐、纯文本LoRA预训练和多模态融合。此外，团队从提供的语料库构建了10万个涵盖十种语音中心任务类型的合成指令跟随示例。主要模型在EN-ZH语音翻译上达到COMET 0.781，在MCIF基准的英语SQA上达到BERTScore-F1 0.346。
arXiv最新论文“NAVER LABS System Re-implementation for the IWSLT 2026 Instruction-Following Task”由Anand Kamble等人提交，详细描述了NAVER LABS团队为IWSLT 2026共享任务（受限条件、短音频轨道）复现并调整其指令跟随流水线的过程。该工作基于NAVER LABS在IWSLT 2025的原始设计，但为适应新的任务约束进行了关键修改。研究团队采用SeamlessM4T-v2-large作为语音编码器，并选用Qwen3-4B-Instruct作为大语言模型（LLM）主干。整个方法保留了原有的三阶段训练策略：首先进行投影器对齐，其次进行纯文本LoRA预训练，最后进行多模态融合。为了支持第三阶段的微调，团队从提供的语料库中构建了10万个合成指令跟随示例，这些示例均匀分布在十种不同的语音中心任务类型中，每种任务类型包含1万个样本。这一数据增强策略旨在提升模型的泛化能力。在性能评估方面，主要模型在英中语音翻译任务上取得了COMET 0.781的分数，并在MCIF基准测试的英语口语问答（SQA）任务上达到了BERTScore-F1 0.346。这些结果展示了该复现系统在指令跟随场景下的有效性。论文的提交历史显示，该工作于2026年7月6日提交至arXiv，属于计算与语言（cs.CL）领域。研究者通过复用和调整现有组件，成功在资源受限条件下实现了具有竞争力的性能，为后续研究提供了可复现的基线。