GemDetox at TextDetox CLEF 2025: 저자원 언어의 텍스트 해독화를 위한 대규모 다국어 모델 향상

소셜 미디어 플랫폼이 등장하고 발전하는 속도가 이를 감독하기 위한 규제보다 빠르게 이루어짐에 따라, 자동 해독화가 안전한 담론을 대규모로 시행할 수 있는Moderator를 위한 시의적절한 도구로 작용할 수 있습니다. 우리는 15개의 유형론적으로 다양한 언어에서 독성 단일 문장 입력을 중립적인 동의어로 재작성하는 PAN 2025 다국어 텍스트 해독화 챌린지에 대한 제출 내용을 설명합니다. 12B 매개변수를 갖춘 Gemma-3 다국어 변환기를 기반으로, 우리는 매개변수 효율적인 LoRA SFT 미세 조정 및 few-shot, Chain-of-Thought와 같은 프롬프트 기법을 적용합니다. 우리의 다국어 훈련 말뭉치는 3,600개의 인간 작성 평행 쌍, 21,600개의 기계 번역합성 쌍 및 Jaccard 임계값으로 필터링된 모델 생성 쌍을 결합합니다. 추론 시, 입력은 세 개의 LaBSE 검색 이웃 및 명시적인 독성 범위 주석으로 풍부하게 됩니다. Style Transfer Accuracy, LaBSE 기반 의미 보존 및 xCOMET 유창성으로 평가된 우리의 시스템은 고자원 및 저자원 언어 모두에서 1위를 차지합니다. 제거 연구는 few-shot 예제로부터 +0.081의 공동 점수 증가와 기본 CoT 프롬프트로부터 +0.088을 보여줍니다. ANOVA 분석은 언어 자원 상태가 성능의 가장 강력한 예측 변수임을 확인합니다 (η² = 0.667, p < 0.01).