arXiv:2610.31966v1 発表タイプ：新規
要旨：文脈内学習におけるデモンストレーションの選択は、多くの場合、意味的類似性に基づいて行われますが、これは構造化予測における関連性を十分に反映する指標とは限りません。本研究では、POSシグネチャー方針を用いたUniversal Dependencies構文解析向けのデモンストレーション選択手法を検討しました。この方針は、文を重み付けされた品詞統計で表現し、ラベル付き訓練分割から長さが一致する金標準解付きの例を3つ取得します。さらに、微調整を行わないオープンウェイト言語モデル2種について、UD English Web Treebankテストセットの全2,077文を対象に評価を行い、ショット数およびフォーマットが一致する固定型および意味論的3ショットベースライン、ならびにゼロショット、チェーンオブソート、クリティック・リファインメントシステムと比較しました。その結果、POSシグネチャーによる検索は、両モデルともにテストしたプロンプティング手法の中で最も高いラベル付きアタッチメントスコア（72.4および73.2）を示し、意味論的検索をそれぞれ1.9ポイント、2.7ポイント上回りました。なお、ペアドブートストラップによる95％信頼区間は、両比較においてゼロを含まない結果となっています。一方、チェーンオブソートおよびリファインメントとの比較については、モデルによって異なる傾向が見られました。これらの探索的研究結果は、英語版EWTにおいて、今回検証したPOSシグネチャーによる検索手法を支持しています。なお、本研究で使用したプロンプト、アーカイブ済み出力、および評価コードを公開しています。