論文の概要: Translating Step-by-Step: Decomposing the Translation Process for Improved Translation Quality of Long-Form Texts
- arxiv url: http://arxiv.org/abs/2409.06790v1
- Date: Tue, 10 Sep 2024 18:02:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-12 17:07:53.347722
- Title: Translating Step-by-Step: Decomposing the Translation Process for Improved Translation Quality of Long-Form Texts
- Title（参考訳）: ステップバイステップの翻訳:長文の翻訳品質向上のための翻訳過程の分解
- Authors: Eleftheria Briakou, Jiaming Luo, Colin Cherry, Markus Freitag,
- Abstract要約: 本稿では, 翻訳前研究, ドラフト, 精錬, 証明読解などを含む多元間相互作用において, 言語モデルに係わるフレームワークを提案する。
ステップバイステップの翻訳により,従来のゼロショットプロンプト手法よりも翻訳品質が向上することを示す。
- 参考スコア（独自算出の注目度）: 43.68711076100652
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper we present a step-by-step approach to long-form text translation, drawing on established processes in translation studies. Instead of viewing machine translation as a single, monolithic task, we propose a framework that engages language models in a multi-turn interaction, encompassing pre-translation research, drafting, refining, and proofreading, resulting in progressively improved translations. Extensive automatic evaluations using Gemini 1.5 Pro across ten language pairs show that translating step-by-step yields large translation quality improvements over conventional zero-shot prompting approaches and earlier human-like baseline strategies, resulting in state-of-the-art results on WMT2024.
- Abstract（参考訳）: 本稿では,翻訳研究において確立されたプロセスに基づいて,長文翻訳の段階的アプローチを提案する。
機械翻訳を単一のモノリシックなタスクとして見るのではなく、翻訳前研究、起草、精錬、証明などを含む多元間相互作用において言語モデルに係わるフレームワークを提案する。
Gemini 1.5 Proを10言語対で広範囲に自動評価した結果,従来のゼロショットプロンプトアプローチや,それ以前のヒトライクなベースライン戦略よりも翻訳品質が向上し,WMT2024の最先端結果が得られた。
関連論文リスト
- Towards Chapter-to-Chapter Context-Aware Literary Translation via Large Language Models [16.96647110733261]
既存の文書レベルの翻訳データセットにおける談話現象は少ない。
既存の文書レベルのコーパスや文脈対応機械翻訳手法は、文レベルのアライメントに関する非現実的な仮定に依存している。
本稿では,Ch2Ch(チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/チャプタ/
論文 参考訳（メタデータ） (2024-07-12T04:18:22Z) - (Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts [52.18246881218829]
本稿では,大言語モデル(LLM)をベースとした多エージェントフレームワークを,TransAgentsという企業として実装した。
本システムの有効性を評価するため,モノリンガル・ヒューマン・プライス(MHP)とバイリンガル・LLM・プライス(BLP)の2つの革新的な評価戦略を提案する。
論文 参考訳（メタデータ） (2024-05-20T05:55:08Z) - 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) - Contextual Refinement of Translations: Large Language Models for Sentence and Document-Level Post-Editing [12.843274390224853]
大規模言語モデル(LLM)は、様々な自然言語処理タスクでかなりの成功を収めている。
ニューラルネットワーク翻訳における最先端性能は,まだ達成できていない。
直接翻訳者ではなく,自動編集者 (APE) としてLLMを適用することを提案する。
論文 参考訳（メタデータ） (2023-10-23T12:22:15Z) - 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) - Meta Back-translation [111.87397401837286]
プリトレーニングされたバック翻訳モデルから擬似並列データを生成する新しい手法を提案する。
本手法は,生成する擬似並列データに対して,検証セット上で良好な処理を行うためのフォワードトランスレーションモデルを訓練するように,事前訓練されたバックトランスレーションモデルを適用するメタラーニングアルゴリズムである。
論文 参考訳（メタデータ） (2021-02-15T20:58:32Z) - Unsupervised Cross-lingual Adaptation for Sequence Tagging and Beyond [58.80417796087894]
多言語事前訓練言語モデル(mPTLM)による言語間適応は、主にゼロショットアプローチと翻訳に基づくアプローチの2行からなる。
本稿では、ゼロショットアプローチと翻訳に基づくアプローチを統合し、適応性能を向上させるための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-23T13:47:01Z) - Cross-lingual Retrieval for Iterative Self-Supervised Training [66.3329263451598]
言語間のアライメントは、Seq2seqモデルを、自身のエンコーダ出力を用いてマイニングされた文対上で訓練することでさらに改善することができる。
我々は,反復型自己教師型訓練のための言語間検索という新しい手法を開発した。
論文 参考訳（メタデータ） (2020-06-16T21:30:51Z)
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。