NAVER LABS re-implementa el pipeline de seguimiento de instrucciones IWSLT 2026 con SeamlessM4T-v2-large y Qwen3-4B-Instruct

NAVER LABS ha re-implementado su pipeline para la pista de audio corto con condiciones restringidas de la Tarea Compartida IWSLT 2026, utilizando SeamlessM4T-v2-large como codificador de voz y Qwen3-4B-Instruct como backbone de LLM. El equipo preservó el enfoque original de tres etapas: alineación del proyector, pre-entrenamiento LoRA solo con texto y fusión multimodal, mientras construía 100k ejemplos sintéticos de seguimiento de instrucciones en diez tipos de tareas.

• El sistema se adapta a los componentes obligatorios para la tarea compartida IWSLT 2026.
• Genera 100k ejemplos sintéticos (10k por tarea) a partir de corpora proporcionados para el ajuste fino de la Etapa 3.
• El modelo principal alcanza una puntuación COMET de 0.781 en traducción de voz EN-ZH.
• Alcanza un BERTScore-F1 de 0.346 en SQA en inglés dentro del benchmark MCIF.

Esta re-implementación demuestra la efectividad del pipeline adaptado para lograr métricas de rendimiento sólidas en los benchmarks especificados.