NAVER LABS系統復現：面向IWSLT 2026指令跟隨任務
NAVER LABS團隊復現了其IWSLT 2025指令跟隨流水線，並針對IWSLT 2026共享任務（受限條件、短音頻軌道）進行調整，採用SeamlessM4T-v2-large作為語音編碼器、Qwen3-4B-Instruct作為LLM主幹。保留了三階段方法：投影器對齊、純文本LoRA預訓練和多模態融合。此外，團隊從提供的語料庫構建了10萬個涵蓋十種語音中心任務類型的合成指令跟隨示例。主要模型在EN-ZH語音翻譯上達到COMET 0.781，在MCIF基準的英語SQA上達到BERTScore-F1 0.346。
arXiv最新論文“NAVER LABS System Re-implementation for the IWSLT 2026 Instruction-Following Task”由Anand Kamble等人提交，詳細描述了NAVER LABS團隊為IWSLT 2026共享任務（受限條件、短音頻軌道）復現並調整其指令跟隨流水線的過程。該工作基於NAVER LABS在IWSLT 2025的原始設計，但為適應新的任務約束進行了關鍵修改。研究團隊採用SeamlessM4T-v2-large作為語音編碼器，並選用Qwen3-4B-Instruct作為大語言模型（LLM）主幹。整個方法保留了原有的三階段訓練策略：首先進行投影器對齊，其次進行純文本LoRA預訓練，最後進行多模態融合。為了支持第三階段的微調，團隊從提供的語料庫中構建了10萬個合成指令跟隨示例，這些示例均勻分佈在十種不同的語音中心任務類型中，每種任務類型包含1萬個樣本。這一數據增強策略旨在提升模型的泛化能力。在性能評估方面，主要模型在英中語音翻譯任務上取得了COMET 0.781的分數，並在MCIF基準測試的英語口語問答（SQA）任務上達到了BERTScore-F1 0.346。這些結果展示了該復現系統在指令跟隨場景下的有效性。論文的提交歷史顯示，該工作於2026年7月6日提交至arXiv，屬於計算與語言（cs.CL）領域。研究者通過複用和調整現有組件，成功在資源受限條件下實現了具有競爭力的性能，為後續研究提供了可復現的基線。