Fugu-MT 論文翻訳(概要): The Volctrans GLAT System: Non-autoregressive Translation Meets WMT21

論文の概要: The Volctrans GLAT System: Non-autoregressive Translation Meets WMT21

arxiv url: http://arxiv.org/abs/2109.11247v2
Date: Fri, 24 Sep 2021 03:24:24 GMT
ステータス: 処理完了
システム内更新日: 2021-09-27 11:03:04.102698
Title: The Volctrans GLAT System: Non-autoregressive Translation Meets WMT21
Title（参考訳）: Volctrans GLATシステム:非自己回帰翻訳とWMT21
Authors: Lihua Qian, Yi Zhou, Zaixiang Zheng, Yaoming Zhu, Zehui Lin, Jiangtao Feng, Shanbo Cheng, Lei Li, Mingxuan Wang and Hao Zhou
Abstract要約: 我々はGlancing Transformerを用いて並列(非自己回帰)翻訳システムを構築する。本システムでは,ドイツ語から英語への翻訳作業において,BLEUスコア(35.0)を最高のスコアで達成し,高い自己回帰能力に優れる。
参考スコア（独自算出の注目度）: 25.41660831320743
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper describes the Volctrans' submission to the WMT21 news translation shared task for German->English translation. We build a parallel (i.e., non-autoregressive) translation system using the Glancing Transformer, which enables fast and accurate parallel decoding in contrast to the currently prevailing autoregressive models. To the best of our knowledge, this is the first parallel translation system that can be scaled to such a practical scenario like WMT competition. More importantly, our parallel translation system achieves the best BLEU score (35.0) on German->English translation task, outperforming all strong autoregressive counterparts.
Abstract（参考訳）: 本稿では、WMT21ニュース翻訳共有タスクへのVolctransの提出について述べる。我々はGlancing Transformerを用いて並列(非自己回帰)翻訳システムを構築し、現在普及している自己回帰モデルとは対照的に高速かつ正確な並列復号を可能にする。我々の知る限りでは、これはWMT競合のような現実的なシナリオにスケールできる最初の並列翻訳システムである。より重要なことに、我々の並列翻訳システムは、ドイツ語と英語の翻訳タスクにおいて最高のbleuスコア(35.0)を達成し、すべての強力な自己回帰処理を上回っています。

関連論文リスト

HW-TSC's Submission to the CCMT 2024 Machine Translation Tasks [12.841065384808733]
我々はバイリンガル機械翻訳タスクとマルチドメイン機械翻訳タスクに参加する。これら2つの翻訳タスクでは,正規化ドロップアウト,双方向トレーニング,データ多様化,前方翻訳,後方翻訳,交互学習,カリキュラム学習,トランスダクティブアンサンブル学習などの学習戦略を用いる。
論文参考訳（メタデータ） (2024-09-23T09:20:19Z)
TranSFormer: Slow-Fast Transformer for Machine Translation [52.12212173775029]
本稿では,TrantextbfSFormerと呼ばれる2ストリーム学習モデルを提案する。我々のTranSFormerは、複数の機械翻訳ベンチマークにおいて、BLEUの一貫性のある改善(BLEU点よりも大きい)を示す。
論文参考訳（メタデータ） (2023-05-26T14:37:38Z)
The RoyalFlush System for the WMT 2022 Efficiency Task [11.00644143928471]
本稿では、WMT 2022翻訳効率タスクに対するRoyal Neural Machine Translation Systemの提出について述べる。一般的に使われている自己回帰翻訳システムとは異なり、我々はハイブリッド回帰翻訳と呼ばれる2段階の翻訳パラダイムを採用した。われわれの最速のシステムはGPUレイテンシ設定で6k+ワード/秒に達し、昨年の勝者より約3.1倍速いと見積もられている。
論文参考訳（メタデータ） (2022-12-03T05:36:10Z)
Modeling Context With Linear Attention for Scalable Document-Level Translation [72.41955536834702]
本稿では,近年の文書翻訳における線形アテンションモデルの有効性について検討し,直流帰納バイアスを促進するためにセンデンシャルゲートで拡張する。感性ゲーティングはIWSLTの翻訳品質をさらに向上させることを示す。
論文参考訳（メタデータ） (2022-10-16T03:41:50Z)
The YiTrans End-to-End Speech Translation System for IWSLT 2022 Offline Shared Task [92.5087402621697]
本稿では,IWSLT 2022オフラインタスクに対するエンドツーエンドYiTrans音声翻訳システムの提案について述べる。 YiTransシステムは、大規模な訓練済みエンコーダデコーダモデル上に構築されている。最終提出は自動評価基準でまず英語・ドイツ語・英語・中国語のエンド・ツー・エンド・システムにランク付けする。
論文参考訳（メタデータ） (2022-06-12T16:13:01Z)
Multilingual Machine Translation Systems from Microsoft for WMT21 Shared Task [95.06453182273027]
本報告では、大規模多言語機械翻訳におけるWMT21共有タスクのためのMicrosoftの機械翻訳システムについて述べる。共有タスクへのモデル提出はDeltaLMnotefooturlhttps://aka.ms/deltalmで行われました。最終提出は自動評価基準で3トラックにランクインした。
論文参考訳（メタデータ） (2021-11-03T09:16:17Z)
Non-Autoregressive Translation with Layer-Wise Prediction and Deep Supervision [33.04082398101807]
Transformerのような既存のニューラルネットワーク翻訳モデルは高い性能を達成するが、単語を1つずつデコードする。最近の非自己回帰翻訳モデルは推論を高速化するが、その品質は依然として劣っている。機械翻訳のための高効率かつ高性能なモデルDSLPを提案する。
論文参考訳（メタデータ） (2021-10-14T16:36:12Z)
The NiuTrans End-to-End Speech Translation System for IWSLT 2021 Offline Task [23.008938777422767]
本稿では,IWSLT 2021オフラインタスクに対して,NuTransのエンドツーエンド音声翻訳システムを提案する。我々はTransformerベースのモデルアーキテクチャを使用し、Conformer、相対位置符号化、スタックされた音響およびテキスト符号化により拡張する。我々は MuST-C En-De テストセット上で 33.84 BLEU 点を達成する。
論文参考訳（メタデータ） (2021-07-06T07:45:23Z)
The Volctrans Neural Speech Translation System for IWSLT 2021 [26.058205594318405]
本稿では,Volctrans チームが IWSLT 2021 に提出したシステムについて述べる。オフライン音声翻訳では,ベンチマークよりも8.1 BLEUの改善を実現している。テキスト間同時翻訳では,wait-kモデルを最適化する最善の方法を検討する。
論文参考訳（メタデータ） (2021-05-16T00:11:59Z)
The LMU Munich System for the WMT 2020 Unsupervised Machine Translation Shared Task [125.06737861979299]
本稿では,LMUミュンヘンのWMT 2020における非教師なし共有タスクへの2つの言語方向の提出について述べる。我々のunsupervised neural machine translation (UNMT) システムは Chronopoulou et al の戦略に従っている。我々は、最高の性能のシステムを集め、ドイツ語で32.4点、上セルビアで35.2点、ドイツで35.2点に達した。
論文参考訳（メタデータ） (2020-10-25T19:04:03Z)
Glancing Transformer for Non-Autoregressive Neural Machine Translation [58.87258329683682]
単一パス並列生成モデルにおける単語相互依存の学習法を提案する。単一パスの並列デコードだけで、GLATは8～15倍のスピードアップで高品質な翻訳を生成することができる。
論文参考訳（メタデータ） (2020-08-18T13:04:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。