NAVER LABS가 IWSLT 2026 Instruction-Following Task를 위해 파이프라인을 재구현했어요. SeamlessM4T-v2-large를 음성 인코더로, Qwen3-4B-Instruct를 LLM 백본으로 사용했어요.
3단계 접근 방식(프로젝터 정렬, 텍스트 LoRA 사전 훈련, 다중 모드 병합)을 유지하고, 10만 개의 합성 Instruction-Following 예시를 구축했어요.
주요 모델은 EN-ZH 음성 번역 COMET 0.781, 영어 SQA BERTScore-F1 0.346을 달성했어요.