論文の概要: An Investigation of Warning Erroneous Chat Translations in Cross-lingual Communication

• arxiv url: http://arxiv.org/abs/2408.15543v2
• Date: Tue, 5 Nov 2024 04:13:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-08 04:41:58.263377
• Title: An Investigation of Warning Erroneous Chat Translations in Cross-lingual Communication
• Title（参考訳）: 言語間通信における誤訳の警告に関する検討
• Authors: Yunmeng Li, Jun Suzuki, Makoto Morishita, Kaori Abe, Kentaro Inui,
• Abstract要約: 機械翻訳モデルは、翻訳ソフトウェアやプラグインアプリケーションの人気にもかかわらず、チャットの翻訳には相変わらず不適切である。 欠陥のない翻訳システムを追求する代わりに、より実践的なアプローチは、混乱を減らすために、潜在的な誤訳に関する警告メッセージを発行することである。 本稿では,この問題に対処し,チャット翻訳システムを効果的にするための警告メッセージの貢献を実証する。
• 参考スコア（独自算出の注目度）: 35.69695355173317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine translation models are still inappropriate for translating chats, despite the popularity of translation software and plug-in applications. The complexity of dialogues poses significant challenges and can hinder crosslingual communication. Instead of pursuing a flawless translation system, a more practical approach would be to issue warning messages about potential mistranslations to reduce confusion. However, it is still unclear how individuals perceive these warning messages and whether they benefit the crowd. This paper tackles to investigate this question and demonstrates the warning messages' contribution to making chat translation systems effective.
• Abstract（参考訳）: 機械翻訳モデルは、翻訳ソフトウェアやプラグインアプリケーションの人気にもかかわらず、チャットの翻訳には相変わらず不適切である。 対話の複雑さは重大な課題を引き起こし、言語間通信を妨げる可能性がある。 欠陥のない翻訳システムを追求する代わりに、より実践的なアプローチは、混乱を減らすために、潜在的な誤訳に関する警告メッセージを発行することである。 しかし、個人がこれらの警告メッセージをどのように認識し、群衆に利益をもたらすかは、まだ不明である。 本稿では,この問題に対処し,チャット翻訳システムを効果的にするための警告メッセージの貢献を実証する。

関連論文リスト

• Do Prompts Really Prompt? Exploring the Prompt Understanding Capability of Whisper [51.12146889808824]
  本研究は,ハイパフォーマンス音声認識モデルであるWhisperとプロンプトの情報がどのように相互作用するかを考察する。 結果から,Whisperは人為的に文章のプロンプトを理解できない可能性が示唆された。 また、英語のプロンプトが両方の言語のデータセットで一般的にマンダリンよりも優れていることも指摘されている。
  論文  参考訳（メタデータ） (2024-06-09T14:44:59Z)
• Crossing the Threshold: Idiomatic Machine Translation through Retrieval Augmentation and Loss Weighting [66.02718577386426]
  慣用的な翻訳と関連する問題を簡易に評価する。 我々は,変圧器をベースとした機械翻訳モデルが慣用的な翻訳に対して正しくデフォルトとなる点を明らかにするための合成実験を行った。 自然慣用句の翻訳を改善するために, 単純かつ効果的な2つの手法を導入する。
  論文  参考訳（メタデータ） (2023-10-10T23:47:25Z)
• Mitigating Hallucinations and Off-target Machine Translation with Source-Contrastive and Language-Contrastive Decoding [53.84948040596055]
  修正された復号化目標を用いて、障害ケースを緩和する2つの関連手法を提案する。 大規模多言語モデルM2M-100 (418M) とSMaLL-100の実験は、これらの手法が幻覚やターゲット外の翻訳を抑制することを示した。
  論文  参考訳（メタデータ） (2023-09-13T17:15:27Z)
• Chat Translation Error Detection for Assisting Cross-lingual Communications [35.09508360315392]
  システムのベースラインとしてエラー検出装置を訓練し、日本語と英語のバイリンガルチャットコーパスであるBPersona-chatを構築した。 エラー検出装置は、より高度な誤訳検出システムの基礎となる。
  論文  参考訳（メタデータ） (2023-08-02T09:38:29Z)
• Lost In Translation: Generating Adversarial Examples Robust to Round-Trip Translation [66.33340583035374]
  本研究は, ラウンドトリップ翻訳における現在のテキスト対逆攻撃の堅牢性に関する包括的研究である。 筆者らは,現在最先端のテキストベースの6つの敵攻撃が,ラウンドトリップ翻訳後の有効性を維持していないことを実証した。 本稿では,機械翻訳を逆例生成のプロセスに組み込むことにより,この問題に対する介入に基づく解決策を提案する。
  論文  参考訳（メタデータ） (2023-07-24T04:29:43Z)
• Translate your gibberish: black-box adversarial attack on machine translation systems [0.0]
  我々は、ロシア語から英語への翻訳作業において、最先端の機械翻訳ツールを騙すための簡単なアプローチを提示する。 Google、DeepL、Yandexなど多くのオンライン翻訳ツールが、非意味な逆入力クエリに対して間違ったあるいは攻撃的な翻訳を生成する可能性があることを示す。 この脆弱性は、新しい言語を理解することを妨げ、単に機械翻訳システムを使用する際のユーザエクスペリエンスを悪化させる可能性がある。
  論文  参考訳（メタデータ） (2023-03-20T09:52:52Z)
• Interactive-Chain-Prompting: Ambiguity Resolution for Crosslingual Conditional Generation with Interaction [38.73550742775257]
  ある言語のソースクエリは、追加のコンテキストなしで、別の言語でいくつかの翻訳オプションを生成することができる。 あいまいさに対処するサブプロブレムのリストに変換を還元する対話型チェーンプロンプトを提案する。 異なる言語現象を示すデータセットを作成し、4つの言語の推論におけるあいまいさを導く。
  論文  参考訳（メタデータ） (2023-01-24T21:08:13Z)
• A Semi-supervised Approach for a Better Translation of Sentiment in Dialectical Arabic UGT [2.6763498831034034]
  NMTシステムのトレーニングにモノリンガルデータと並列データの両方を利用する半教師付きアプローチを導入する。 提案システムは,アラビア語の方言UGTのオンライン翻訳で検出された感情誤りの訂正に有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-21T11:55:55Z)
• Self-Supervised Representations Improve End-to-End Speech Translation [57.641761472372814]
  自己教師付き事前学習機能により,翻訳性能が一貫的に向上することを示す。 言語間の変換は、チューニングの必要なく、あるいはほとんどチューニングすることなく、さまざまな言語に拡張することができる。
  論文  参考訳（メタデータ） (2020-06-22T10:28:38Z)

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。