論文の概要: Assessing Pause Thresholds for empirical Translation Process Research
- arxiv url: http://arxiv.org/abs/2604.01410v1
- Date: Wed, 01 Apr 2026 21:16:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-03 14:21:10.064928
- Title: Assessing Pause Thresholds for empirical Translation Process Research
- Title（参考訳）: 経験的翻訳プロセス研究のためのポーズ閾値の評価
- Authors: Devi Sri Bandaru, Michael Carl, Xinyue Ren,
- Abstract要約: 高速なタイピングは無意味な翻訳や自動翻訳を反映し、長い(er)タイピング停止は翻訳の問題、ハードル、難易度を表しているとしばしば仮定される。
本稿では、これらの停止しきい値を計算するための最近の3つのアプローチを比較し、生産単位ブレークを計算するための新しい手法を提案し、評価する。
- 参考スコア（独自算出の注目度）: 0.19999259391104388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Text production (and translations) proceeds in the form of stretches of typing, interrupted by keystroke pauses. It is often assumed that fast typing reflects unchallenged/automated translation production while long(er) typing pauses are indicative of translation problems, hurdles or difficulties. Building on a long discussion concerning the determination of pause thresholds that separate automated from presumably reflective translation processes (O'Brien, 2006; Alves and Vale, 2009; Timarova et al., 2011; Dragsted and Carl, 2013; Lacruz et al., 2014; Kumpulainen, 2015; Heilmann and Neumann 2016), this paper compares three recent approaches for computing these pause thresholds, and suggest and evaluate a novel method for computing Production Unit Breaks.
- Abstract（参考訳）: テキスト生成(および翻訳)は、キーストローク停止によって中断されるタイピングのストレッチの形で進行する。
高速なタイピングは無意味な翻訳や自動翻訳を反映し、長い(er)タイピング停止は翻訳の問題、ハードル、難易度を表しているとしばしば仮定される。
O'Brien, 2006; Alves and Vale, 2009; Timarova et al , 2011; Dragsted and Carl, 2013; Lacruz et al , 2014; Kumpulainen, 2015; Heilmann and Neumann 2016)から自動的な停止しきい値を決定するための長い議論に基づいて、これらの停止しきい値を計算するための3つのアプローチを比較し、生産単位ブレークの新たな方法を提案し、評価する。
関連論文リスト
- Estimating Machine Translation Difficulty [48.659971048116766]
翻訳難易度推定のタスクを形式化し、その翻訳の期待品質に基づいてテキストの難易度を定義する。
本稿では,機械翻訳のためのより困難なベンチマークを構築するために,難易度推定器の実用性を示す。
難易度推定のための2つの改良されたモデル、Sentinel-src-24とSentinel-src-25をリリースする。
論文 参考訳（メタデータ） (2025-08-13T20:22:58Z) - Do LLMs Understand Your Translations? Evaluating Paragraph-level MT with Question Answering [68.3400058037817]
本稿では,TREQA(Translation Evaluation via Question-Answering)について紹介する。
我々は,TREQAが最先端のニューラルネットワークとLLMベースのメトリクスより優れていることを示し,代用段落レベルの翻訳をランク付けする。
論文 参考訳（メタデータ） (2025-04-10T09:24:54Z) - LongReD: Mitigating Short-Text Degradation of Long-Context Large Language Models via Restoration Distillation [79.90766312484489]
回復蒸留(LongReD)による長期事前トレーニング
LongReDは、選択されたレイヤの隠れた状態をオリジナルのモデルから短いテキストで蒸留する。
一般的なテキストベンチマークの実験では、LongReDはモデルの短文性能を効果的に維持することを示した。
論文 参考訳（メタデータ） (2025-02-11T08:37:16Z) - SBAAM! Eliminating Transcript Dependency in Automatic Subtitling [23.444615994847947]
サブティットは,映像コンテンツのアクセシビリティ向上に重要な役割を担っている。
このプロセスを自動化しようとする過去の試みは、様々な学位、自動転写に依存していた。
自動字幕を生成することができる最初の直接モデルを導入する。
論文 参考訳（メタデータ） (2024-05-17T12:42:56Z) - 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) - End-to-End Lexically Constrained Machine Translation for Morphologically
Rich Languages [0.0]
本研究は, 機械翻訳による単語の正しいインフレクションを許容する機構について検討する。
英語とチェコ語のペアを用いた実験により, 自動評価と手動評価の両方において, 制約付き単語の翻訳が改良されることが示唆された。
論文 参考訳（メタデータ） (2021-06-23T13:40:13Z) - Faster Re-translation Using Non-Autoregressive Model For Simultaneous
Neural Machine Translation [10.773010211146694]
非回帰的シーケンス生成モデル(FReTNA)に基づく高速再翻訳システムを提案する。
提案モデルでは,ReTAモデルと比較して平均計算時間を20倍に削減する。
また、ストリーミングベースのwait-kモデルよりも時間(1.5倍)と翻訳品質の両方で優れている。
論文 参考訳（メタデータ） (2020-12-29T09:43:27Z)
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。