Fugu-MT 論文翻訳(概要): Iterative Translation Refinement with Large Language Models

論文の概要: Iterative Translation Refinement with Large Language Models

arxiv url: http://arxiv.org/abs/2306.03856v2
Date: Wed, 1 May 2024 20:44:01 GMT
ステータス: 処理完了
システム内更新日: 2024-05-03 22:39:45.483430
Title: Iterative Translation Refinement with Large Language Models
Title（参考訳）: 大規模言語モデルを用いた反復的翻訳再構成
Authors: Pinzhen Chen, Zhicheng Guo, Barry Haddow, Kenneth Heafield,
Abstract要約: 本稿では,翻訳を自己修正するために,大規模言語モデルを反復的に提案する。また,評価における課題と,人間のパフォーマンスと翻訳との関係についても論じる。
参考スコア（独自算出の注目度）: 25.90607157524168
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose iteratively prompting a large language model to self-correct a translation, with inspiration from their strong language understanding and translation capability as well as a human-like translation approach. Interestingly, multi-turn querying reduces the output's string-based metric scores, but neural metrics suggest comparable or improved quality. Human evaluations indicate better fluency and naturalness compared to initial translations and even human references, all while maintaining quality. Ablation studies underscore the importance of anchoring the refinement to the source and a reasonable seed translation for quality considerations. We also discuss the challenges in evaluation and relation to human performance and translationese.
Abstract（参考訳）: 本稿では,言語理解能力と翻訳能力,および人間的な翻訳アプローチから着想を得て,大規模言語モデルに翻訳の自己修正を促すことを提案する。興味深いことに、マルチターンクエリは出力の文字列ベースのメトリックスコアを減らすが、ニューラルネットワークメトリクスは同等か改善された品質を示している。人間の評価は、品質を維持しながら、最初の翻訳や人間の参照よりも流線型と自然性が良いことを示している。アブレーション研究は、精製をソースに固定することの重要性と、品質を考慮した適切なシード翻訳の重要性を浮き彫りにした。また,評価における課題と,人間のパフォーマンスと翻訳との関係についても論じる。

関連論文リスト

BiVert: Bidirectional Vocabulary Evaluation using Relations for Machine Translation [4.651581292181871]
本稿では,テキストから翻訳の感覚距離を評価するための双方向意味に基づく評価手法を提案する。このアプローチでは、包括的な多言語百科事典BabelNetを用いる。 Factual analysis is a strong correlation between the average evaluations generated by our method and the human evaluations across various machine translation system for English- German language pair。
論文参考訳（メタデータ） (2024-03-06T08:02:21Z)
Advancing Translation Preference Modeling with RLHF: A Step Towards Cost-Effective Solution [57.42593422091653]
人間のフィードバックによる強化学習の活用による翻訳品質の向上について検討する。強力な言語能力を持つ報酬モデルは、翻訳品質の微妙な違いをより敏感に学習することができる。
論文参考訳（メタデータ） (2024-02-18T09:51:49Z)
Improving Machine Translation with Human Feedback: An Exploration of Quality Estimation as a Reward Model [75.66013048128302]
本研究では,QEモデルを報酬モデルとして活用し,フィードバックトレーニングにおける人間の嗜好を予測する可能性について検討する。まず,QEに基づくフィードバックトレーニングにおいて,翻訳品質が低下する中で,報酬の増大として現れる過度な最適化問題を同定した。問題に対処するために,ルールを用いて誤った翻訳を検知し,報酬のスコアにペナルティ項を割り当てる,シンプルで効果的な手法を採用する。
論文参考訳（メタデータ） (2024-01-23T16:07:43Z)
The Best of Both Worlds: Combining Human and Machine Translations for Multilingual Semantic Parsing with Active Learning [50.320178219081484]
人文翻訳と機械翻訳の両方の長所を生かした能動的学習手法を提案する。理想的な発話選択は、翻訳されたデータの誤りとバイアスを著しく低減することができる。
論文参考訳（メタデータ） (2023-05-22T05:57:47Z)
Competency-Aware Neural Machine Translation: Can Machine Translation Know its Own Translation Quality? [61.866103154161884]
ニューラルマシン翻訳(NMT)は、意識せずに起こる失敗に対してしばしば批判される。本稿では,従来のNMTを自己推定器で拡張することで,新たな能力認識型NMTを提案する。提案手法は品質評価において優れた性能を示すことを示す。
論文参考訳（メタデータ） (2022-11-25T02:39:41Z)
Consistent Human Evaluation of Machine Translation across Language Pairs [21.81895199744468]
本稿では, 意味的等価性に着目したXSTSと呼ばれる新しい計量法と, 言語間キャリブレーション法を提案する。最大14言語対にわたる大規模評価研究において,これらの新規貢献の有効性を実証する。
論文参考訳（メタデータ） (2022-05-17T17:57:06Z)
DEEP: DEnoising Entity Pre-training for Neural Machine Translation [123.6686940355937]
機械翻訳モデルは通常、トレーニングコーパスで稀な名前付きエンティティの翻訳を貧弱に生成することが示されている。文中の名前付きエンティティ翻訳精度を向上させるために,大量のモノリンガルデータと知識ベースを利用するDenoising Entity Pre-training法であるDEEPを提案する。
論文参考訳（メタデータ） (2021-11-14T17:28:09Z)
A Set of Recommendations for Assessing Human-Machine Parity in Language Translation [87.72302201375847]
我々は、ハサンらの中国語から英語への翻訳調査を再評価する。専門家による翻訳では誤りが著しく少なかった。
論文参考訳（メタデータ） (2020-04-03T17:49:56Z)

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。