論文の概要: Rewrite to Translate, Translate to Reward: Reinforcement Learning for Source Rewriting in Machine Translation

• arxiv url: http://arxiv.org/abs/2606.08011v1
• Date: Sat, 06 Jun 2026 07:00:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.660131
• Title: Rewrite to Translate, Translate to Reward: Reinforcement Learning for Source Rewriting in Machine Translation
• Title（参考訳）: Rewrite to Translate, Translate to Reward: Reinforcement Learning for Source Rewriting in Machine Translation
• Abstract要約: RLSR(Reinforcement Learning for Source Rewriting)は,各機械翻訳(MT)モデルに対してプロンプトをチューニングすることなく,ソースリライトモデルをトレーニングするための新しいフレームワークである。 6つのMTモデルと16の言語ペアの実験により、RLSRでトレーニングされた4B書き換えモデルは、非書き直しベースラインと既存の同一スケールのプロンプトベースの書き直しベースラインを著しく上回っていることが示された。
• 参考スコア（独自算出の注目度）: 43.662995515707735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although directly prompting off-the-shelf Large Language Models (LLMs) to generate meaning-preserving source rewrites can effectively enhance Machine Translation (MT) quality, doing so requires manually tuning prompts for different MT models. In this work, we propose RLSR (Reinforcement Learning for Source Rewriting), a novel RL-based framework for training a source rewriting model without tuning prompts for each MT model. RLSR optimizes the rewriting model by directly using the improvement in downstream translation quality yielded by each rewritten source as the reward. Extensive experiments across six MT models and 16 language pairs demonstrate that our 4B rewriting models trained via RLSR significantly outperform the no-rewriting baseline and existing same-scale prompt-based rewriting baselines, while achieving competitive performance against prompt-based baselines based on the 235B LLM.
• Abstract（参考訳）: 市販のLarge Language Models (LLM) を直接プロンプトして保存するソースリライトを生成することで、機械翻訳(MT)の品質を効果的に向上させることができるが、異なるMTモデルの手動チューニングプロンプトが必要になる。 本稿では,RLSR(Reinforcement Learning for Source Rewriting, RLSR)を提案する。 RLSRは、書き直しソース毎に得られる下流翻訳品質の改善を報酬として直接利用することにより、書き直しモデルを最適化する。 6つのMTモデルと16の言語ペアにわたる大規模な実験により、RLSRを用いてトレーニングされた我々の4B書き換えモデルは、235B LLMに基づくプロンプトベースラインに対する競合性能を達成しつつ、非リライトベースラインと既存の同一スケールのプロンプトベースベースラインを著しく上回った。

関連論文リスト

• Generating Adversarial Texts for Machine Translation via GRPO [9.016860740260679]
  既存のテキストの書き直しに拡張性のある強化学習に基づくアプローチを提案する。 WMT25では,文法と可読性を保ちながら,平均COMET翻訳品質を0.63から0.48に大幅に低下させる。 未確認のWMT19-WMT24ベンチマークの評価により、この挙動がトレーニングデータを超えて一般化されることが確認された。
  論文  参考訳（メタデータ） (2026-09-05T12:06:59Z)
• PEGRL: Improving Machine Translation by Post-Editing Guided Reinforcement Learning [54.19784655270799]
  textbfPEGRLは、後編集を補助タスクとして用い、トレーニングを安定させ、全体的な最適化を導く2段階のRLフレームワークである。 英語$to$Finnish、英語$to$Turkish、英語$leftrightarrow$ Chineseでの実験は、RLベースラインよりも一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-02-03T10:22:55Z)
• Automatic Input Rewriting Improves Translation with Large Language Models [24.855336353977382]
  機械翻訳(MT)ユーザーは、既製のMTシステムを使用すると、よく書かれたテキストが翻訳しやすいという直感に頼っている。 テキストの単純化はMTに依存しない最も効果的な書き直し戦略であることを示す。 人間による評価では、単純化された書き直しとそのMT出力が、ソースとMTの本来の意味を主に保持していることが確認されている。
  論文  参考訳（メタデータ） (2025-02-23T18:56:56Z)
• RaFe: Ranking Feedback Improves Query Rewriting for RAG [83.24385658573198]
  アノテーションを使わずにクエリ書き換えモデルをトレーニングするためのフレームワークを提案する。 公開されているリランカを活用することで、フィードバックはリライトの目的とよく一致します。
  論文  参考訳（メタデータ） (2024-05-23T11:00:19Z)
• Aligning Neural Machine Translation Models: Human Feedback in Training and Inference [27.84975767573212]
  RLHF(Reinforcement Learning from Human feedback)は、言語モデルによって生成されたテキストの品質を向上させる技術である。 人間のアノテーションからトレーニングされたメトリクスを報酬モデルとして容易に利用できる機械翻訳(MT)では、最小ベイズリスクデコーディングと再ランクを用いた手法が最終品質の向上に成功している。
  論文  参考訳（メタデータ） (2023-11-15T17:21:58Z)
• Reinforced Self-Training (ReST) for Language Modeling [56.75447441157628]
  人間からのフィードバック(RLHF)からの強化学習は、人間の好みに合わせることで、大きな言語モデル(LLM)の出力の品質を向上させることができる。 強化自己学習(Reinforced Self-Training, ReST)と呼ばれる, バッチ強化学習(RL)の成長にインスパイアされたLLMを人間の好みに合わせるための簡単なアルゴリズムを提案する。 この結果から,ReSTは自動測定値と機械翻訳ベンチマークの人的評価によって,計算とサンプル効率で翻訳品質を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-08-17T14:12:48Z)
• Improving Non-autoregressive Translation Quality with Pretrained Language Model, Embedding Distillation and Upsampling Strategy for CTC [51.34222224728979]
  本稿では,非自己回帰翻訳(NAT)モデルの翻訳品質を向上させるための一連の革新的な技術を紹介する。 我々は,NATモデルを効果的に訓練するために,CTCの損失を抑えたPMLM(Pretrained Multilingual Language Models)を提案する。 自動回帰モデルと比較して16.35倍の速度向上を示した。
  論文  参考訳（メタデータ） (2023-06-10T05:24:29Z)
• BitextEdit: Automatic Bitext Editing for Improved Low-Resource Machine Translation [53.55009917938002]
  自動編集によりマイニングしたビットクストを改良することを提案する。 提案手法は,5つの低リソース言語ペアと10の翻訳方向に対して,最大8個のBLEUポイントでCCMatrixマイニングビットクストの品質を向上することを示す。
  論文  参考訳（メタデータ） (2021-11-12T16:00:39Z)
• The USYD-JD Speech Translation System for IWSLT 2021 [85.64797317290349]
  本稿では,シドニー大学とJDが共同でIWSLT 2021低リソース音声翻訳タスクを提出したことを述べる。 私たちは、公式に提供されたASRとMTデータセットでモデルをトレーニングしました。 翻訳性能の向上を目的として, バック翻訳, 知識蒸留, 多機能再構成, トランスダクティブファインタニングなど, 最新の効果的な手法について検討した。
  論文  参考訳（メタデータ） (2021-07-24T09:53:34Z)
• Rewriter-Evaluator Architecture for Neural Machine Translation [17.45780516143211]
  ニューラルマシン翻訳(NMT)モデルを改善するための新しいアーキテクチャであるRewriter-Evaluatorを提案する。 それはリライターと評価者で構成されています。 毎回、書き換え者は過去の翻訳を改善するために新しい翻訳を作成し、評価者は翻訳品質を推定し、書き換えプロセスを終了させるかどうかを決定する。 中国語-英語と英語-ドイツ語の2つの翻訳タスクについて広範な実験を行い、提案されたアーキテクチャがNMTモデルのパフォーマンスを著しく改善することを示した。
  論文  参考訳（メタデータ） (2020-12-10T02:21:34Z)
• Enhanced back-translation for low resource neural machine translation using self-training [0.0]
  本研究は,後進モデルの出力を用いて前方翻訳手法を用いてモデル自体を改善する自己学習戦略を提案する。 この技術は、ベースラインの低リソースであるIWSLT'14とIWSLT'15をそれぞれ11.06と1.5BLEUに改良することを示した。 改良された英語-ドイツ語の後方モデルによって生成された合成データを用いて前方モデルを訓練し、2.7BLEUで標準の後方翻訳を用いて訓練された別の前方モデルより優れていた。
  論文  参考訳（メタデータ） (2020-06-04T14:19:52Z)

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。