論文の概要: Fluency and Faithfulness in Human and Machine Literary Translation

• arxiv url: http://arxiv.org/abs/2605.15282v1
• Date: Thu, 14 May 2026 18:00:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 03:45:13.124445
• Title: Fluency and Faithfulness in Human and Machine Literary Translation
• Title（参考訳）: 人文・機械文翻訳における頻度と信心性
• Authors: Sarah Griebel, Ted Underwood,
• Abstract要約: 文学翻訳は、ソースへの忠実さとターゲット言語流布のバランスをとる必要がある。 近年の大規模言語モデル (LLM) は、しばしば流動的な翻訳を生成するが、文中の意味保存に流布が対応するかどうかは不明である。 本研究は, 人, Google翻訳, TranslateGemma翻訳を含む16の語源言語における106の小説から130,486節の翻訳文を用いて, この関係を検証した。
• 参考スコア（独自算出の注目度）: 0.059497893465854525
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Literary translation requires balancing target-language fluency with faithfulness to the source. Recent large language models (LLMs) often produce fluent translations, but it remains unclear whether fluency corresponds to semantic preservation in literary text. We examine this relationship using 130,486 translated paragraphs from 106 novels in 16 source languages, including human, Google Translate, and TranslateGemma translations. Fluency is measured as original-likeness with a translationese classifier trained on paragraph part-of-speech n-grams, and faithfulness with the automatic translation evaluation metric COMET-KIWI. We control for paragraph length and find a consistent negative correlation between fluency and faithfulness. The pattern appears for both human and Google Translate, but is weaker and often non-significant for TranslateGemma. These results show that segment length matters for automatic evaluation and suggest a tradeoff between fluency and faithfulness in literary translation.
• Abstract（参考訳）: 文学翻訳は、ソースへの忠実さとターゲット言語流布のバランスをとる必要がある。 近年の大規模言語モデル (LLM) は、しばしば流動的な翻訳を生成するが、文中の意味保存に流布が対応するかどうかは不明である。 本研究は, 人, Google翻訳, TranslateGemma翻訳を含む16の語源言語における106の小説から130,486節の翻訳文を用いて, この関係を検証した。 音節 n-gram で訓練された翻訳語分類器と、自動翻訳評価指標COMET-KIWI との忠実度とを、原文類似度として測定する。 我々は,段落の長さを制御し,フラレンシと忠実性の間に一貫した負の相関関係を見出す。 このパターンは、人間とGoogle翻訳の両方に現れるが、より弱く、しばしばTranslateGemmaにとって重要ではない。 これらの結果は,セグメント長が自動評価に重要であることを示すとともに,文語翻訳における流布性と忠実性のトレードオフを示唆している。

関連論文リスト

• Translationese as a Rational Response to Translation Task Difficulty [0.0]
  我々は,翻訳課題の難易度を定量的に評価することにより,観測可能な翻訳文を予測できるかどうかを検証した。 我々は、英語とドイツ語の双方向コーパスを用いて、文章と音声のサブコーパスを合成する。 結果から,英語からドイツ語への翻訳は,翻訳作業の難しさによって部分的に説明できることが示唆された。
  論文  参考訳（メタデータ） (2026-03-12T15:24:00Z)
• Liaozhai through the Looking-Glass: On Paratextual Explicitation of Culture-Bound Terms in Machine Translation [70.43884512651668]
  我々は、文学・翻訳研究からジェネットのパラテキスト論(1987年)を定式化し、機械翻訳におけるパラテキスト明示の課題を紹介した。 古典中国語の短編集集Liaozhaiの4つの英訳から560の専門家対応パラテキストのデータセットを構築した。 本研究は,言語的等価性を超えた機械翻訳におけるパラテクスト的明示の可能性を示すものである。
  論文  参考訳（メタデータ） (2025-09-27T16:27:36Z)
• 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)
• Evaluation of Google Translate for Mandarin Chinese translation using sentiment and semantic analysis [1.3999481573773074]
  大規模言語モデル(LLM)を用いた機械翻訳は,世界規模で大きな影響を与えている。 中国語は、中国の政府やメディアによる通信に用いられる公用語である。 本研究では、感情分析と意味分析を用いて、人間の専門家によるGoogle翻訳の翻訳品質の自動評価を行う。
  論文  参考訳（メタデータ） (2024-09-08T04:03:55Z)
• 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)
• Large language models effectively leverage document-level context for literary translation, but critical errors persist [32.54546652197316]
  大規模言語モデル(LLM)は、幅広い文レベルの翻訳データセット上での最先端技術と競合する。 我々は,Gpt-3.5 (text-davinci-003) LLM) を用いて文節全体を翻訳し,高品質な翻訳を行うという厳密な評価を通して示す。
  論文  参考訳（メタデータ） (2023-04-06T17:27:45Z)

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。