論文の概要: Translating the Untranslatable: An Operationalizable Ontology for Untranslatability

• arxiv url: http://arxiv.org/abs/2606.17354v1
• Date: Mon, 15 Jun 2026 22:53:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.16972
• Title: Translating the Untranslatable: An Operationalizable Ontology for Untranslatability
• Title（参考訳）: 翻訳不可能性:非翻訳不可能性のための操作可能オントロジー
• Authors: Jacob Bremerman, Brihi Joshi, Hirona Arai, Xiang Ren, Jonathan May,
• Abstract要約: 非翻訳性(英: Untranslatability、英: Untranslatability、英: Untranslatability)とは、言語学においてよく研究されているが、NLPでは未調査である。 本稿では,非翻訳性のオントロジーと補償戦略の分類について紹介する。 我々はこのフレームワークを,戦略に基づく翻訳と組み合わせた,翻訳不能な文の多言語データセットとして運用する。
• 参考スコア（独自算出の注目度）: 42.01555161183219
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Untranslatability, cases where meaning cannot be directly preserved across languages, is well-studied in linguistics but underexplored in NLP. As machine translation (MT) systems improve on standard benchmarks, their limitations increasingly concentrate in such cases, where translation cannot be reduced to one-to-one equivalence. We introduce a structured ontology of untranslatability along with a taxonomy of compensation strategies, which are specific techniques to convey meaning under these untranslatable circumstances. We operationalize this framework into a multilingual dataset of untranslatable sentences paired with strategy-based translations, enabling controlled analysis of translation behavior. Initial human preference studies suggest that translation quality depends on the strategy used, with consistent preferences for outputs that include explanatory context, known as the Annotation compensation strategy. Our framework and dataset provide a foundation for studying and modeling strategy-informed machine translation.
• Abstract（参考訳）: 非翻訳性(英: Untranslatability)とは、言語学ではよく研究されているが、NLPではあまり研究されていない言語である。 機械翻訳(MT)システムが標準ベンチマークで改善されるにつれて、それらの制限は、翻訳を1対1の等価性に還元できないような場合に集中するようになる。 翻訳不能な状況下で意味を伝えるための具体的な手法である補償戦略の分類とともに、翻訳不能なオントロジーを構造化する。 我々は、このフレームワークを戦略に基づく翻訳と組み合わせた翻訳不能な文の多言語データセットとして運用し、翻訳行動の制御を可能にする。 初期の人間の嗜好研究は、翻訳品質が使われる戦略に依存し、注釈補償戦略として知られる説明的文脈を含むアウトプットに対して一貫した嗜好を持つことを示唆している。 我々のフレームワークとデータセットは、ストラテジーインフォームド機械翻訳の研究とモデリングの基盤を提供する。

関連論文リスト

• Culture-Aware Machine Translation in Large Language Models: Benchmarking and Investigation [36.27108860941823]
  大規模言語モデル(LLM)は、一般的な機械翻訳において高い性能を達成しているが、文化に配慮したシナリオにおけるそれらの能力はいまだに理解されていない。 そこで我々は,CanMT,CanMTを紹介した。CanMTは,機械翻訳のための,文化的翻訳品質を評価するための理論的に基礎付けられた多次元評価フレームワークである。
  論文  参考訳（メタデータ） (2026-04-27T11:53:50Z)
• Cross-Preference Learning for Sentence-Level and Context-Aware Machine Translation [33.915728960928774]
  文レベルと文脈対応MTの相補的な利点を明示的に捉えた嗜好に基づく学習フレームワークを提案する。 提案手法は,Qwen3-4B,Qwen3-8B,Llama-3-8Bを含む複数のモデルを用いて,複数の公的な文脈対応MTタスクに対して検証する。
  論文  参考訳（メタデータ） (2026-03-26T08:52:17Z)
• 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)
• Unlocking Reasoning Capability on Machine Translation in Large Language Models [57.60641851466707]
  推論指向の大規模言語モデル(RLM)は、明示的な中間推論を生成することにより、数学やコーディングといったタスクに強い利益をもたらす。 WMT24++ベンチマークを用いて,オープンおよびクローズドヘビー級のRCMを系統的に評価した。 明示的な推論を可能にすることは、言語やモデル間の翻訳品質を一貫して低下させる。
  論文  参考訳（メタデータ） (2026-02-16T14:05:59Z)
• Beyond Literal Mapping: Benchmarking and Improving Non-Literal Translation Evaluation [57.11989521509119]
  本稿では,特殊なサブエージェントを起動するリフレクティブコアエージェントを中心に,エージェント翻訳評価フレームワークを提案する。 実験の結果、RATEの有効性が示され、現在の測定値と比較して少なくとも3.2メタスコアの改善が達成された。
  論文  参考訳（メタデータ） (2026-01-12T09:03:42Z)
• Locate-and-Focus: Enhancing Terminology Translation in Speech Language Models [49.341876205074]
  近年, 直接音声翻訳 (ST) が注目されているが, 発話中の用語の正確な翻訳は依然として大きな課題である。 用語翻訳のための新しいLocate-and-Focus法を提案する。 まず、発話内に用語を含む音声クリップを効果的に配置し、STモデルの無関係情報を最小化する。
  論文  参考訳（メタデータ） (2025-07-24T10:07:59Z)
• Alleviating Distribution Shift in Synthetic Data for Machine Translation Quality Estimation [55.73341401764367]
  合成QEデータの分散シフトを緩和する新しいフレームワークであるDCSQEを紹介する。 DCSQEは、参照、すなわち翻訳監督信号を使用して、生成プロセスとアノテーションプロセスの両方をガイドする。 実験により、DCSQEは教師なし設定と教師なし設定の両方でSOTAベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2025-02-27T10:11:53Z)
• Rethinking Round-Trip Translation for Machine Translation Evaluation [44.83568796515321]
  ラウンドトリップ翻訳が参照なしで自動評価に利用できるという驚くべき発見を報告する。 ラウンドトリップ翻訳が複数の機械翻訳評価タスクに有用であることを示す。
  論文  参考訳（メタデータ） (2022-09-15T15:06:20Z)
• Unsupervised Word Translation Pairing using Refinement based Point Set Registration [8.568050813210823]
  単語埋め込みの言語間アライメントは、言語間の知識伝達において重要な役割を果たす。 現在の教師なしのアプローチは、言語にまたがる単語埋め込み空間の幾何学的構造における類似性に依存している。 本稿では,バイリンガル単語の共有ベクトル空間への埋め込みを教師なしでマッピングするBioSpereを提案する。
  論文  参考訳（メタデータ） (2020-11-26T09:51:29Z)

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。