NAVER LABS는 IWSLT 2026 공유 작업의 제약 조건 짧은 오디오 트랙을 위해 SeamlessM4T-v2-large를 음성 인코더로, Qwen3-4B-Instruct를 LLM 백본으로 사용하여 파이프라인을 재구현했습니다. 팀은 프로젝터 정렬, 텍스트 전용 LoRA 사전 훈련 및 멀티모달 병합이라는 원래의 3단계 접근 방식을 유지하면서 10가지 작업 유형에 걸쳐 10만 개의 합성 지시 따르기 예제를 구축했습니다.

  • 시스템은 IWSLT 2026 공유 작업의 의무 구성 요소에 적응합니다.
  • 3단계 미세 조정용으로 제공된 코퍼스에서 합성 예제 10만 개(작업당 1만 개)를 생성합니다.
  • 주요 모델은 EN-ZH 음성 번역에서 COMET 점수 0.781을 달성했습니다.
  • MCIF 벤치마크 내 영어 SQA에서 BERTScore-F1 0.346에 도달했습니다.

이 재구현은 지정된 벤치마크에서 강력한 성능 지표를 달성하는 데 적응된 파이프라인의 효과를 보여줍니다.