論文の概要: Unleashing the Power of ChatGPT for Translation: An Empirical Study
- arxiv url: http://arxiv.org/abs/2304.02182v1
- Date: Wed, 5 Apr 2023 01:17:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 13:47:38.874745
- Title: Unleashing the Power of ChatGPT for Translation: An Empirical Study
- Title(参考訳): ChatGPTの翻訳力の解放 : 実証的研究
- Authors: Yuan Gao, Ruili Wang, Feng Hou
- Abstract要約: ChatGPTは自然言語理解と自然言語生成において驚くべき能力を示した。
私たちは、広範囲の翻訳にいくつかの翻訳プロンプトを採用しています。
私たちの研究は、ChatGPTが翻訳において大きな可能性を秘めているという実証的な証拠を提供する。
- 参考スコア(独自算出の注目度): 18.678893287863033
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The recently released ChatGPT has demonstrated surprising abilities in
natural language understanding and natural language generation. Machine
translation is an important and extensively studied task in the field of
natural language processing, which heavily relies on the abilities of language
understanding and generation. Thus, in this paper, we explore how to assist
machine translation with ChatGPT. We adopt several translation prompts on a
wide range of translations. Our experimental results show that ChatGPT with
designed translation prompts can achieve comparable or better performance over
professional translation systems for high-resource language translations but
lags behind significantly on low-resource translations. We further evaluate the
translation quality using multiple references, and ChatGPT achieves superior
performance compared to the professional systems. We also conduct experiments
on domain-specific translations, the final results show that ChatGPT is able to
comprehend the provided domain keyword and adjust accordingly to output proper
translations. At last, we perform few-shot prompts that show consistent
improvement across different base prompts. Our work provides empirical evidence
that ChatGPT still has great potential in translations.
- Abstract(参考訳): 最近リリースされたChatGPTは、自然言語理解と自然言語生成において驚くべき能力を示している。
機械翻訳は自然言語処理の分野で重要かつ広範囲に研究されたタスクであり、言語理解と生成の能力に大きく依存している。
そこで本稿では,ChatGPTを用いた機械翻訳支援について述べる。
我々は多岐にわたる翻訳に複数の翻訳プロンプトを適用した。
実験結果から,設計した翻訳プロンプトを用いたChatGPTは,高言語翻訳のプロフェッショナル翻訳システムよりも高い性能を達成できるが,低言語翻訳に遅れが生じた。
さらに,複数の参照を用いた翻訳品質の評価を行い,chatgptはプロのシステムよりも優れた性能を実現する。
また、ドメイン特化翻訳の実験を行い、最終結果は、チャットgptが提供されたドメインキーワードを理解でき、適切な翻訳出力に応じて調整できることを示す。
最終的に、異なるベースプロンプト間で一貫した改善を示す、数発のプロンプトを実行します。
私たちの研究は、ChatGPTが翻訳において大きな可能性を秘めているという実証的な証拠を提供する。
関連論文リスト
- Prompting ChatGPT for Translation: A Comparative Analysis of Translation
Brief and Persona Prompts [0.0]
本稿では,ChatGPTにおける翻訳作業の素早い設計に,翻訳の簡潔さの概念ツールと翻訳者および著者のペルソナを組み込むことの有効性について論じる。
また, 翻訳作業において, 人から人へのコミュニケーションを促進するために構築的な要素があるものの, ChatGPTの翻訳品質の向上には有効性が限られていることが示唆された。
このことは、人間のマシンインタラクションを含むこの新たなワークフローにおいて、人間から人間のコミュニケーションパラダイムに根ざした、現在の概念的なツールセットをどのように開発するか、より爆発的な研究の必要性を暗示している。
論文 参考訳(メタデータ) (2024-02-29T21:05:38Z) - Machine Translation Models are Zero-Shot Detectors of Translation
Direction [52.1701152610258]
平行テキストの翻訳方向を検出することは、機械翻訳訓練や評価に応用できるが、盗作や偽造の主張を解消するといった法医学的応用もある。
本研究では,翻訳文や機械翻訳文でよく知られた単純化効果によって動機付けられた,$p(texttranslation|text Origin)>p(textgenic|texttranslation)$という単純な仮説に基づいて,翻訳方向検出のための教師なしアプローチを検討する。
論文 参考訳(メタデータ) (2024-01-12T18:59:02Z) - Can ChatGPT Rival Neural Machine Translation? A Comparative Study [0.7856362837294112]
本稿では,ChatGPTで表される大規模言語モデルの,中国語の外交文を英語に翻訳するメインストリームのニューラルネットワーク翻訳(NMT)エンジンと比較して評価する。
本研究では,ChatGPT と NMT エンジンの翻訳品質を 4 つの自動測定値で測定し,エラータイポロジーと6 つの解析ルーリックに基づいて人的評価を行った。
論文 参考訳(メタデータ) (2024-01-10T14:20:33Z) - Optimizing Machine Translation through Prompt Engineering: An
Investigation into ChatGPT's Customizability [0.0]
この研究は、ChatGPTのような大規模言語モデルに適切なプロンプトが組み込まれれば、柔軟な翻訳が可能になることを明らかにしている。
この研究は、特定の条件を満たす翻訳を生成するためにプロンプトを使用すると、翻訳品質の変化を精査する。
論文 参考訳(メタデータ) (2023-08-02T19:11:04Z) - Decomposed Prompting for Machine Translation Between Related Languages
using Large Language Models [55.35106713257871]
DecoMTは、単語チャンク翻訳のシーケンスに翻訳プロセスを分解する、数発のプロンプトの新しいアプローチである。
DecoMTはBLOOMモデルよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-05-22T14:52:47Z) - ChatGPT Beyond English: Towards a Comprehensive Evaluation of Large
Language Models in Multilingual Learning [70.57126720079971]
大規模言語モデル(LLM)は、自然言語処理(NLP)において最も重要なブレークスルーとして登場した。
本稿では,高,中,低,低リソースの37言語を対象として,ChatGPTを7つのタスクで評価する。
従来のモデルと比較すると,様々なNLPタスクや言語に対するChatGPTの性能は低下していた。
論文 参考訳(メタデータ) (2023-04-12T05:08:52Z) - ParroT: Translating during Chat using Large Language Models tuned with
Human Translation and Feedback [90.20262941911027]
ParroTはチャット中の翻訳機能を強化し、規制するフレームワークである。
具体的には、ParroTは、翻訳データを命令フォロースタイルに書き換える。
本稿では,ParroTモデルを微調整するための3つの命令タイプを提案する。
論文 参考訳(メタデータ) (2023-04-05T13:12:00Z) - Towards Making the Most of ChatGPT for Machine Translation [75.576405098545]
ChatGPTは機械翻訳(MT)の優れた機能を示す
いくつかの先行研究により、ハイソース言語の商用システムと同等の結果が得られることが示されている。
論文 参考訳(メタデータ) (2023-03-24T03:35:21Z) - Is ChatGPT A Good Translator? Yes With GPT-4 As The Engine [97.8609714773255]
機械翻訳におけるChatGPTの評価には,翻訳プロンプト,多言語翻訳,翻訳堅牢性などが含まれる。
ChatGPTは商用翻訳製品と競合するが、低リソースや遠方の言語では遅れている。
GPT-4エンジンの打ち上げにより、ChatGPTの翻訳性能は大幅に向上した。
論文 参考訳(メタデータ) (2023-01-20T08:51:36Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。