AIによる文章評価と複数言語対応を通じた 言語学習支援やテキスト解析

深層学習および大規模言語モデル（LLM）を用いた言語生成評価に関する課題に取り組んでいる。特に、人手評価と自動評価の乖離を埋めるメタ評価や、参照なしで翻訳品質を推定するQuality Estimation（QE）など、「モデルを作るだけでなく測る」技術の開発に注力している。 また、文法誤り訂正（GEC）、テキスト平易化、語彙の通時的意味変化、多言語モデルの転移学習、マルチモーダル翻訳など、教育応用や社会的影響を意識した研究も展開しており、LLM時代の人間の言語選好や意思決定に関する分析も進めている。

生成系NLPの評価において、データセット設計からメタ評価までを一貫して担う体制を構築しており、「何をもって良いとするか」を問い直す実務的な視点を重視している。 また、日本語注釈コーパスや平易化用疑似データの整備など、資源構築と手法開発の両面において豊富な実績を有する。 その他、言語の意味変化や多言語モデルの転移といった時間軸・言語横断の視点を導入し、人間の選好や社会的評価を踏まえたLLM研究を通じて、製品運用における評価軸の設計にも貢献している。

本研究の成果は、社内LLMやプロダクトの自動評価基盤構築、RAG構成における幻覚抑制、日本語・多言語のライティング支援、FAQや説明文の平易化、翻訳品質の自動選別、語彙の意味変化追跡など、多岐にわたる応用が可能である。 これらは、法務・医療・金融など高信頼性が求められる領域における出力の検証・反証やリスク管理、教育・行政文書の効率化、問い合わせ削減、表現の標準化、グローバル展開支援、ユニバーサルデザイン対応などにおいて、具体的な活用が期待される。