論文の概要: Mutarjim: Advancing Bidirectional Arabic-English Translation with a Small Language Model

• arxiv url: http://arxiv.org/abs/2505.17894v1
• Date: Fri, 23 May 2025 13:42:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:34.11354
• Title: Mutarjim: Advancing Bidirectional Arabic-English Translation with a Small Language Model
• Title（参考訳）: Mutarjim: 小さな言語モデルによる双方向アラビア語-英語翻訳の促進
• Authors: Khalil Hennara, Muhammad Hreden, Mohamed Motaism Hamed, Zeina Aldallal, Sara Chrouf, Safwan AlModhayan,
• Abstract要約: 我々は、アラビア語と英語の双方向翻訳のためのコンパクトだが強力な言語モデルであるMutarjimを紹介する。 また、既存のアラビア語と英語のベンチマークデータセットの制限を克服するために設計された新しいベンチマークであるTarjama-25も導入した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We introduce Mutarjim, a compact yet powerful language model for bidirectional Arabic-English translation. While large-scale LLMs have shown impressive progress in natural language processing tasks, including machine translation, smaller models. Leveraging this insight, we developed Mutarjim based on Kuwain-1.5B , a language model tailored for both Arabic and English. Despite its modest size, Mutarjim outperforms much larger models on several established benchmarks, achieved through an optimized two-phase training approach and a carefully curated, high-quality training corpus.. Experimental results show that Mutarjim rivals models up to 20 times larger while significantly reducing computational costs and training requirements. We also introduce Tarjama-25, a new benchmark designed to overcome limitations in existing Arabic-English benchmarking datasets, such as domain narrowness, short sentence lengths, and English-source bias. Tarjama-25 comprises 5,000 expert-reviewed sentence pairs and spans a wide range of domains, offering a more comprehensive and balanced evaluation framework. Notably, Mutarjim achieves state-of-the-art performance on the English-to-Arabic task in Tarjama-25, surpassing even significantly larger and proprietary models like GPT-4o mini. We publicly release Tarjama-25 to support future research and advance the evaluation of Arabic-English translation systems.
• Abstract（参考訳）: 我々は、アラビア語と英語の双方向翻訳のためのコンパクトだが強力な言語モデルであるMutarjimを紹介した。 大規模LLMは、機械翻訳を含む自然言語処理タスクにおいて、目覚ましい進歩を見せている一方で、より小さなモデルである。 この知見を活かして、アラビア語と英語の両方に合わせた言語モデルであるKuwain-1.5BをベースとしたMutarjimを開発した。 ムタルジムはその質素なサイズにもかかわらず、いくつかの確立されたベンチマークにおいて、最適化された2段階のトレーニングアプローチと、慎重にキュレートされた高品質なトレーニングコーパスによって達成された、はるかに大きなモデルよりも優れていた。 と。 実験結果から、Mutarjimは最大20倍のモデルに匹敵し、計算コストとトレーニング要件を著しく削減していることがわかった。 また、ドメイン狭さ、短文長、英語ソースバイアスなど、既存のアラビア語と英語のベンチマークデータセットの制限を克服するために設計された新しいベンチマークであるTarjama-25も導入した。 Tarjama-25は、専門家がレビューした5000の文ペアで構成され、より包括的でバランスの取れた評価フレームワークを提供する。 特に、MutarjimはTarjama-25の英語とアラビア語のタスクで最先端のパフォーマンスを達成し、GPT-4o miniのようなはるかに大型でプロプライエタリなモデルを上回った。 我々は、タージャマ-25を公にリリースし、将来の研究を支援し、アラビア語と英語の翻訳システムの評価を進める。

関連論文リスト

• Improving Multilingual Capabilities with Cultural and Local Knowledge in Large Language Models While Enhancing Native Performance [0.0]
  Hindi- English bi-lingual LLM textbfMantra-14B with 3% improve in benchmark scores over both languages。 我々は、Qwen-2.5-14B-InstructやPhi-4といったチューニングモデルに、英語とヒンディー語の両方のパフォーマンスを改善するよう指示した。 以上の結果から,文化的・局所的な情報を用いた微調整は,計算オーバーヘッドを伴わずに性能ギャップを埋めることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-04-13T23:10:13Z)
• Multilingual Machine Translation with Open Large Language Models at Practical Scale: An Empirical Study [13.409987421121405]
  GemmaX2-28は、28言語で最上位の多言語翻訳性能を達成する9Bモデルである。 GemmaX2-28 は TowerInstruct や XALMA などの最先端 (SOTA) モデルより一貫して優れている。
  論文  参考訳（メタデータ） (2025-02-04T16:57:03Z)
• LLMic: Romanian Foundation Language Model [76.09455151754062]
  ルーマニア語に特化して設計された基礎言語モデルである LLMic について述べる。 英語からルーマニア語への翻訳作業において,事前学習後の言語翻訳のための微調整 LLMic が既存の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-01-13T22:14:45Z)
• The Power of Question Translation Training in Multilingual Reasoning: Broadened Scope and Deepened Insights [108.40766216456413]
  大規模言語モデルの英語と非英語のパフォーマンスのギャップを埋めるための質問アライメントフレームワークを提案する。 実験結果から、さまざまな推論シナリオ、モデルファミリー、サイズにわたって、多言語のパフォーマンスを向上できることが示された。 我々は、表現空間、生成された応答とデータスケールを分析し、質問翻訳訓練がLLM内の言語アライメントをどのように強化するかを明らかにする。
  論文  参考訳（メタデータ） (2024-05-02T14:49:50Z)
• ArabicMMLU: Assessing Massive Multitask Language Understanding in Arabic [51.922112625469836]
  アラビア語における最初のマルチタスク言語理解ベンチマークである、データセット名を提案する。 我々のデータは、現代標準アラビア語(MSA)における40のタスクと14,575のマルチチョイス質問で構成されており、地域の母語話者と協調して慎重に構築されている。 35モデルについて評価した結果,特にオープンソースモデルにおいて,改善の余地がかなり高いことが判明した。
  論文  参考訳（メタデータ） (2024-02-20T09:07:41Z)
• Beyond English: Evaluating LLMs for Arabic Grammatical Error Correction [19.970419667319046]
  大きな言語モデル(LLM)は、人間の指示に従うように微調整され、英語のNLPタスクにおいて重要な機能を示した。 アラビア語文法誤り訂正(GEC)における命令微調整LDMの能力の評価 命令を微調整したモデルのサイズに関わらず、たとえ非常に小さくても、完全に微調整されたモデルよりも性能が優れていることが判明した。
  論文  参考訳（メタデータ） (2023-12-13T05:33:25Z)
• Extrapolating Large Language Models to Non-English by Aligning Languages [109.09051737966178]
  既存の大きな言語モデルは、異なる言語間で異なる能力を示す。 本稿では,言語間のセマンティックアライメントを構築することで,英語以外の言語に事前学習したLLMを強化する。
  論文  参考訳（メタデータ） (2023-08-09T13:32:06Z)
• ChatGPT for Arabic Grammatical Error Correction [5.945320097465418]
  大きな言語モデル(LLM)は、人間の指示に従うように微調整され、英語のNLPタスクにおいて重要な機能を示した。 本稿では,アラビア語の豊富な形態が原因で複雑化した課題である,アラビア語 GEC における微調整 LLM の指導能力について検討する。 命令の微調整モデルは,そのサイズによらず,かなり小型の完全微調整モデルに比べて性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2023-08-08T18:00:39Z)
• BUFFET: Benchmarking Large Language Models for Few-shot Cross-lingual Transfer [81.5984433881309]
  本稿では,54言語にまたがる15のタスクをシーケンス・ツー・シーケンス・フォーマットで統一するBUFFETを紹介する。 BUFFETは、数発の言語間移動のための厳密で公平な評価フレームワークを確立するように設計されている。 コンテクスト内言語間移動における改善の余地は極めて大きいことが判明した。
  論文  参考訳（メタデータ） (2023-05-24T08:06:33Z)

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。