NAVER LABS 系统重新实现 IWSLT 2026 指令跟踪任务

我们为 IWSLT 2026 共享任务（约束条件、短音轨）重新实现 NAVER LABS IWSLT 2025 指令跟踪管道，使其适应强制组件：SeamlessM4T-v2-large 作为语音编码器，Qwen3-4B-Instruct 作为 LLM 主干。原始设计中保留了三阶段方法投影仪对齐、纯文本 LoRA 预训练 和多模式合并。我们还从提供的语料库中构建了 10 万个合成指令跟踪示例，涵盖十种以语音为中心的任务类型（每个任务 10k），适用于进一步的第 3 阶段 微调。我们的主要模型在 MCIF 基准上在 EN-ZH 语音翻译上达到 COMET 0.781，在英语 SQA 上达到 BERTScore-F1 0.346。