論文の概要: ASCAT: An Arabic Scientific Corpus and Benchmark for Advanced Translation Evaluation

• arxiv url: http://arxiv.org/abs/2604.00015v1
• Date: Tue, 10 Mar 2026 18:41:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.191628
• Title: ASCAT: An Arabic Scientific Corpus and Benchmark for Advanced Translation Evaluation
• Title（参考訳）: ASCAT:アラビア語の科学コーパスと高度な翻訳評価のためのベンチマーク
• Authors: Serry Sibaee, Khloud Al Jallad, Zineb Yousfi, Israa Elsayed Elhosiny, Yousra El-Ghawi, Batool Balah, Omer Nacar,
• Abstract要約: ASCATは、平均141.7語(英語)と111.78語(アラビア語)の科学的な要約を対象とする。 各抽象化は、3つの補完的生成AI(Gemini)、トランスフォーマーベースモデル(Hugging Face texttquickmt-en-ar)、商用MT API(Google Translate、DeepL)を使用して翻訳された。 その結果得られたコーパスには67,293の英語のトークンと60,026のアラビア語のトークンが含まれており、アラビア語の語彙は17,604で、言語の形態的豊かさを反映している。
• 参考スコア（独自算出の注目度）: 1.730057408524355
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present ASCAT (Arabic Scientific Corpus for Advanced Translation), a high-quality English-Arabic parallel benchmark corpus designed for scientific translation evaluation constructed through a systematic multi-engine translation and human validation pipeline. Unlike existing Arabic-English corpora that rely on short sentences or single-domain text, ASCAT targets full scientific abstracts averaging 141.7 words (English) and 111.78 words (Arabic), drawn from five scientific domains: physics, mathematics, computer science, quantum mechanics, and artificial intelligence. Each abstract was translated using three complementary architectures generative AI (Gemini), transformer-based models (Hugging Face \texttt{quickmt-en-ar}), and commercial MT APIs (Google Translate, DeepL) and subsequently validated by domain experts at the lexical, syntactic, and semantic levels. The resulting corpus contains 67,293 English tokens and 60,026 Arabic tokens, with an Arabic vocabulary of 17,604 unique words reflecting the morphological richness of the language. We benchmark three state-of-the-art LLMs on the corpus GPT-4o-mini (BLEU: 37.07), Gemini-3.0-Flash-Preview (BLEU: 30.44), and Qwen3-235B-A22B (BLEU: 23.68) demonstrating its discriminative power as an evaluation benchmark. ASCAT addresses a critical gap in scientific MT resources for Arabic and is designed to support rigorous evaluation of scientific translation quality and training of domain-specific translation models.
• Abstract（参考訳）: ASCAT(アラビア語Scientific Corpus for Advanced Translation)は、多言語翻訳と人間の検証パイプラインによって構築された科学的翻訳評価のために設計された、高品質な英語とアラビア語の並列ベンチマークコーパスである。 短い文や単一ドメインのテキストに依存している既存のアラビア語のコーパスとは異なり、ASCATは物理学、数学、計算機科学、量子力学、人工知能の5つの科学領域から抽出された、平均141.7ワード(英語)と111.78ワード(アラビア語)の科学的な抽象概念をターゲットとしている。 それぞれの抽象化は、生成AI(Gemini)、トランスフォーマーベースのモデル(Hugging Face \texttt{quickmt-en-ar})、商用MT API(Google Translate、DeepL)の3つの補完アーキテクチャを使用して翻訳され、その後、語彙、構文、セマンティックレベルのドメインエキスパートによって検証された。 その結果得られたコーパスには67,293の英語のトークンと60,026のアラビア語のトークンが含まれており、アラビア語の語彙は17,604で、言語の形態的豊かさを反映している。 コーパス GPT-4o-mini (BLEU: 37.07), Gemini-3.0-Flash-Preview (BLEU: 30.44), Qwen3-235B-A22B (BLEU: 23.68) の3つの最先端LCMをベンチマークし、その識別力を評価ベンチマークとして示す。 ASCATは、アラビア語の科学的なMTリソースにおける重要なギャップに対処し、科学的翻訳品質の厳密な評価とドメイン固有の翻訳モデルの訓練を支援するように設計されている。

関連論文リスト

• Omnilingual SONAR: Cross-Lingual and Cross-Modal Sentence Embeddings Bridging Massively Multilingual Text and Speech [61.759910921200834]
  言語間の文エンコーダは通常、数百の言語をカバーしている。 我々はOmniSONARを紹介した。OmniSONARは全言語、言語横断、言語横断の文埋め込みモデルである。
  論文  参考訳（メタデータ） (2026-03-17T14:47:35Z)
• Developing an English-Efik Corpus and Machine Translation System for Digitization Inclusion [0.0]
  本研究は、英語・英語翻訳における最先端多言語ニューラルマシン翻訳モデルの有効性を評価する。 我々はこのデータセット上でmT5多言語モデルとNLLB200モデルの両方を微調整した。 本研究は,低リソース言語のための実用的な機械翻訳ツールの開発の可能性を示すものである。
  論文  参考訳（メタデータ） (2026-03-16T06:17:22Z)
• AraLingBench A Human-Annotated Benchmark for Evaluating Arabic Linguistic Capabilities of Large Language Models [37.79823471716066]
  AraLingBenchは、大規模言語モデル(LLM)のアラビア語能力を評価するための、完全に人間による注釈付きベンチマークである。 このベンチマークは、文法、形態学、綴り、読解、構文の5つの中核カテゴリにまたがっており、エキスパートが設計した複数の選択肢に関する質問が150件ある。
  論文  参考訳（メタデータ） (2025-11-18T09:47:01Z)
• Science Across Languages: Assessing LLM Multilingual Translation of Scientific Papers [27.06887024646089]
  我々は、科学論文の翻訳に大規模言語モデル(LLM)を活用している。 我々は複数の科学分野の論文を28の言語に翻訳する。 ベンチマークの結果,平均性能は95.9%であった。
  論文  参考訳（メタデータ） (2025-02-25T06:08:48Z)
• Artificial intelligence contribution to translation industry: looking back and forward [0.0]
  本研究は,1980年から2024年までの45年間にわたって,翻訳産業(ACTI)における人工知能(AI)の貢献を包括的に分析した。 13220の論文がWoS、Scopus、Lensの3つの資料から回収され、9836はユニークな記録であり、分析に使用された。
  論文  参考訳（メタデータ） (2024-11-29T17:10:33Z)
• CLSE: Corpus of Linguistically Significant Entities [58.29901964387952]
  専門家が注釈を付けた言語学的に重要なエンティティ(CLSE)のコーパスをリリースする。 CLSEは74種類のセマンティックタイプをカバーし、航空券売機からビデオゲームまで様々なアプリケーションをサポートする。 言語的に代表されるNLG評価ベンチマークを,フランス語,マラティー語,ロシア語の3言語で作成する。
  論文  参考訳（メタデータ） (2022-11-04T12:56:12Z)
• A Massively Multilingual Analysis of Cross-linguality in Shared Embedding Space [61.18554842370824]
  言語間モデルでは、多くの異なる言語に対する表現は同じ空間に存在している。 我々は,bitext検索性能の形式で,言語間アライメントのタスクベース尺度を計算した。 我々はこれらのアライメント指標の潜在的な予測因子として言語的、準言語的、および訓練関連の特徴について検討する。
  論文  参考訳（メタデータ） (2021-09-13T21:05:37Z)
• An analysis of full-size Russian complexly NER labelled corpus of Internet user reviews on the drugs based on deep learning and language neural nets [94.37521840642141]
  我々は、インターネットユーザーレビューのフルサイズのロシアの複雑なNERラベルコーパスを提示します。 高度なディープラーニングニューラルネットワークセットは、ロシアのテキストから薬理学的に有意義な実体を抽出するために使用される。
  論文  参考訳（メタデータ） (2021-04-30T19:46:24Z)

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。