Fugu-MT 論文翻訳(概要): Enhanced Hallucination Detection in Neural Machine Translation through Simple Detector Aggregation

論文の概要: Enhanced Hallucination Detection in Neural Machine Translation through Simple Detector Aggregation

arxiv url: http://arxiv.org/abs/2402.13331v1
Date: Tue, 20 Feb 2024 19:19:47 GMT
ステータス: 処理完了
システム内更新日: 2024-02-22 18:09:28.646917
Title: Enhanced Hallucination Detection in Neural Machine Translation through Simple Detector Aggregation
Title（参考訳）: 簡易検出器アグリゲーションによるニューラルマシン翻訳における幻覚検出の強化
Authors: Anas Himmi, Guillaume Staerman, Marine Picot, Pierre Colombo, Nuno M. Guerreiro
Abstract要約: 機械翻訳システムの実践的展開に関して、ハロシン翻訳は重大な脅威と安全上の懸念を生じさせる。これまでの研究では、検出器は様々な種類の幻覚を検出するのに優れた相補的な性能の異なる検出器を示すことが確認されている。本稿では,個々の検出器の限界に,それらを組み合わせることで対処し,複数の検出器を集約する簡単な方法を提案する。
参考スコア（独自算出の注目度）: 15.980910426450507
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Hallucinated translations pose significant threats and safety concerns when it comes to the practical deployment of machine translation systems. Previous research works have identified that detectors exhibit complementary performance different detectors excel at detecting different types of hallucinations. In this paper, we propose to address the limitations of individual detectors by combining them and introducing a straightforward method for aggregating multiple detectors. Our results demonstrate the efficacy of our aggregated detector, providing a promising step towards evermore reliable machine translation systems.
Abstract（参考訳）: 幻覚翻訳は、機械翻訳システムの実用的な展開に関して重大な脅威と安全性の懸念をもたらす。これまでの研究で、異なる検出器が異なる種類の幻覚を検出するのに優れていることが判明した。本稿では,個々の検出器の限界に,それらを組み合わせることで対処し,複数の検出器を集約する簡単な方法を提案する。その結果,より信頼性の高い機械翻訳システムに向けた有望な一歩が得られた。

関連論文リスト

Zero-Shot Machine-Generated Text Detection Using Mixture of Large Language Models [35.67613230687864]
大規模言語モデル(LLM)は大規模に訓練され、強力なテキスト生成能力を備えている。それぞれの強みを組み合わせるための理論的な新しいアプローチを提案する。種々のジェネレータLSMを用いた実験により,検出のロバスト性を効果的に向上することが示唆された。
論文参考訳（メタデータ） (2024-09-11T20:55:12Z)
Stumbling Blocks: Stress Testing the Robustness of Machine-Generated Text Detectors Under Attacks [48.32116554279759]
一般的な機械生成テキスト検出器の強靭性について,編集,パラフレージング,プロンプト,コジェネレーションの様々なカテゴリの攻撃下で検討する。我々の攻撃はジェネレータLSMへの限られたアクセスを前提としており、異なる予算レベルで異なる攻撃に対する検出器の性能を比較する。全ての検知器を平均すると、全ての攻撃で性能は35%低下する。
論文参考訳（メタデータ） (2024-02-18T16:36:00Z)
Comparing Hallucination Detection Metrics for Multilingual Generation [62.97224994631494]
本稿では,各言語にまたがって生成した伝記要約における幻覚を,様々な事実の幻覚検出指標がいかによく識別するかを評価する。自動測度が相互にどのように相関するか, 事実判断に一致しているかを比較検討した。我々の分析によると、語彙指標は非効率であるが、NLIベースのメトリクスはよく機能し、多くの設定における人間のアノテーションと相関し、しばしば教師付きモデルよりも優れている。
論文参考訳（メタデータ） (2024-02-16T08:10:34Z)
Assaying on the Robustness of Zero-Shot Machine-Generated Text Detectors [57.7003399760813]
先進的なLarge Language Models (LLMs) とその特殊な変種を探索し、いくつかの方法でこの分野に寄与する。トピックと検出性能の間に有意な相関関係が発見された。これらの調査は、様々なトピックにまたがるこれらの検出手法の適応性と堅牢性に光を当てた。
論文参考訳（メタデータ） (2023-12-20T10:53:53Z)
Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
論文参考訳（メタデータ） (2023-11-19T09:41:10Z)
Trash to Treasure: Low-Light Object Detection via Decomposition-and-Aggregation [76.45506517198956]
低照度シナリオにおけるオブジェクト検出は、ここ数年で多くの注目を集めています。主流で代表的なスキームは、レギュラー検出器の前処理としてエンハンサーを導入している。本研究では,エンハンサー+検出器のポテンシャルを喚起する。
論文参考訳（メタデータ） (2023-09-07T08:11:47Z)
Optimal Transport for Unsupervised Hallucination Detection in Neural Machine Translation [34.8089664250053]
ニューラルネットワーク翻訳(NMT)は、現実世界の機械翻訳アプリケーションにおいてデファクトスタンダードとなっている。 NMTモデルは、ユーザーの信頼を著しく損なう幻覚として知られる深刻な病的翻訳を予測不能に生成することができる。我々は、注意に基づくNMTモデルで使用可能な、完全に教師なしのプラグイン検出器を提案する。
論文参考訳（メタデータ） (2022-12-19T17:06:58Z)
Attack on Unfair ToS Clause Detection: A Case Study using Universal Adversarial Triggers [0.23624125155742057]
我々は、普遍的な敵の引き金となる不公平な検知器を攻撃する実験を行う。実験により、テキストのわずかな摂動は検出性能を著しく低下させることが示された。結果は、トリガーの自然さが読者を騙すための鍵であることを示しています。
論文参考訳（メタデータ） (2022-11-28T17:01:19Z)
TAD: Transfer Learning-based Multi-Adversarial Detection of Evasion Attacks against Network Intrusion Detection Systems [0.7829352305480285]
我々は、侵入検知のための既存の最先端モデルを実装している。次に、選択した回避攻撃のセットでこれらのモデルを攻撃します。これらの敵攻撃を検知するために、我々は複数の移動学習に基づく敵検知器を設計、実装する。
論文参考訳（メタデータ） (2022-10-27T18:02:58Z)
Adversarial Detector with Robust Classifier [14.586106862913553]
本稿では, 頑健な分類器と, 素な分類器から構成される新しい対向検出器を提案し, 対向例を高い精度で検出する。実験で提案した検出器は,ロバストな分類器を使わずに,最先端の検出器よりも優れた性能を示すことを示した。
論文参考訳（メタデータ） (2022-02-05T07:21:05Z)
Representative Forgery Mining for Fake Face Detection [52.896286647898386]
ディテクタの精緻化と注目の拡大を導くための注意ベースのデータ拡張フレームワークを提案します。提案手法は,トップnのセンシティブな顔領域を追跡し,検出者に対して,以前無視された領域にさらに深く掘り下げて,より代表的な偽造を行うように促す。
論文参考訳（メタデータ） (2021-04-14T03:24:19Z)

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。