Fugu-MT 論文翻訳(概要): BM25-Augmented Many-Shot Translation for Low-Resource North-Eastern Indian Languages

論文の概要: BM25-Augmented Many-Shot Translation for Low-Resource North-Eastern Indian Languages

arxiv url: http://arxiv.org/abs/2608.13722v1
Date: Thu, 13 Aug 2026 19:31:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-17 20:14:29.20149
Title: BM25-Augmented Many-Shot Translation for Low-Resource North-Eastern Indian Languages
Title（参考訳）: BM25-Augmented Many-Shot Translation for Low-Resource North-Eastern Indian Languages
Abstract要約: 本稿では,フロリダ大学ゲーターズ校がWMT26低リソースインデックス言語翻訳共有タスクを提出したことを述べる。我々は、アメリカスNLP 2026システムからの検索強化多ショット翻訳パイプラインを適用し、英語と11の北東インドの言語を両方向に翻訳する。
参考スコア（独自算出の注目度）: 5.3888934816887115
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper describes the University of Florida Gators submission to the WMT26 Low-Resource Indic Language Translation shared task. We adapt the retrieval-augmented many-shot translation pipeline from our AmericasNLP 2026 system to translate between English and eleven North-Eastern Indian languages in both directions. At inference time, BM25 retrieves the most similar parallel examples from a language-specific training bank, and Gemini 2.5 Flash translates the input conditioned on these examples. No model fine-tuning is involved. Training banks combine official WMT26 data with publicly available corpora such as Samanantar and prior WMT shared task releases. A grid search over retrieval count r and development exemplar count d across all 22 language-direction pairs selects the best configuration for each submission.
Abstract（参考訳）: 本稿では,フロリダ大学ゲーターズ校がWMT26低リソースインデックス言語翻訳共有タスクを提出したことを述べる。我々は、アメリカスNLP 2026システムからの検索強化多ショット翻訳パイプラインを適用し、英語と11の北東インドの言語を両方向に翻訳する。推論時に、BM25は言語固有のトレーニングバンクから最も類似した例を検索し、Gemini 2.5 Flashはこれらの例で入力条件を変換する。モデル微調整は不要。トレーニング銀行は、公式のWMT26データと、SamanantarやWMT以前のタスクリリースのような公開コーパスを組み合わせる。グリッド検索検索カウントrと、22の言語指向ペアすべてにまたがる開発模範カウントdは、各提出毎に最適な構成を選択する。

関連論文リスト

NLIP_Lab-IITH Multilingual MT System for WAT24 MT Shared Task [9.476463361600826]
本稿では,NLIP Lab の多言語機械翻訳システムである WAT24 の多言語 Indic MT タスクにおける共有タスクについて述べる。本稿では、アライメント合意の目的を用いたIndic言語の事前学習について検討する。我々は,小型かつ高品質なシードデータを用いて,言語指向の多言語翻訳モデルを微調整した。
論文参考訳（メタデータ） (2024-10-17T11:18:23Z)
NLIP_Lab-IITH Low-Resource MT System for WMT24 Indic MT Shared Task [9.476463361600826]
本稿では,WMT 24の低リソースインデックス言語翻訳タスクについて述べる。我々の一次システムは、事前訓練されたモデルに基づく言語固有の微調整に基づいている。我々は、eng$rightarrow$as, eng$rightarrow$kha, eng$rightarrow$lus, eng$rightarrow$mniの公式公試セットにおいて、50.6, 42.3, 54.9, 66.3のchrF2スコアを得る。
論文参考訳（メタデータ） (2024-10-04T08:02:43Z)
A Tulu Resource for Machine Translation [3.038642416291856]
英語・トゥルー語翻訳のための最初の並列データセットを提案する。トゥル語はインド南西部で約250万人が話されている。パラレル・イングリッシュ・トゥルデータを使わずにトレーニングした我々のイングリッシュ・トゥルシステムは、Google Translateを19のBLEUポイントで上回っている。
論文参考訳（メタデータ） (2024-03-28T04:30:07Z)
IndicTrans2: Towards High-Quality and Accessible Machine Translation Models for all 22 Scheduled Indian Languages [37.758476568195256]
インドは10億人以上の人々が話す4つの主要言語族の言語と共に豊かな言語風景を持っている。これらの言語のうち22はインド憲法に記載されている(予定言語として参照)。
論文参考訳（メタデータ） (2023-05-25T17:57:43Z)
Findings of the WMT 2022 Shared Task on Translation Suggestion [63.457874930232926]
We report the results of the first edition of the WMT shared task on Translation Suggestion。このタスクは、機械翻訳(MT)によって生成された文書全体に対して、特定の単語やフレーズの代替手段を提供することを目的としている。 2つのサブタスク、すなわち単純翻訳提案と暗示付き翻訳提案で構成されている。
論文参考訳（メタデータ） (2022-11-30T03:48:36Z)
The Effect of Normalization for Bi-directional Amharic-English Neural Machine Translation [53.907805815477126]
本稿では,比較的大規模なアムハラ語-英語並列文データセットを提案する。我々は、既存のFacebook M2M100事前学習モデルを微調整することで、双方向のアムハラ語翻訳モデルを構築する。その結果, 両方向のアンハラ語・英語機械翻訳の性能は, アンハラ語ホモホン文字の正規化により向上することが示唆された。
論文参考訳（メタデータ） (2022-10-27T07:18:53Z)
A Bilingual Parallel Corpus with Discourse Annotations [82.07304301996562]
本稿では,Jiang et al. (2022)で最初に導入された大きな並列コーパスであるBWBと,注釈付きテストセットについて述べる。 BWBコーパスは、専門家によって英語に翻訳された中国の小説で構成されており、注釈付きテストセットは、様々な談話現象をモデル化する機械翻訳システムの能力を調査するために設計されている。
論文参考訳（メタデータ） (2022-10-26T12:33:53Z)
MIA 2022 Shared Task: Evaluating Cross-lingual Open-Retrieval Question Answering for 16 Diverse Languages [54.002969723086075]
16言語に類型的に多様である言語における言語横断的オープン-検索型問合せシステムの評価を行った。反復的にマイニングされた多様な負の例を利用する最良のシステムは32.2 F1となり、ベースラインを4.5ポイント上回る。第2のベストシステムは文書検索にエンティティを意識した文脈表現を使用し、タミル(20.8 F1)の大幅な改善を実現している。
論文参考訳（メタデータ） (2022-07-02T06:54:10Z)
CUNI systems for WMT21: Multilingual Low-Resource Translation for Indo-European Languages Shared Task [0.0]
複数の類似言語ペアに対してジョイントモデルを使用することで,各ペアの翻訳品質が向上することを示す。また,チャララクタレベルのバイリンガルモデルと非常に類似した言語対が競合することを示す。
論文参考訳（メタデータ） (2021-09-20T08:10:39Z)
Mr. TyDi: A Multi-lingual Benchmark for Dense Retrieval [51.004601358498135]
Mr. TyDiは、11の類型的多様言語における単言語検索のためのベンチマークデータセットである。このリソースの目的は、非英語言語における高密度検索技術の研究を促進することである。
論文参考訳（メタデータ） (2021-08-19T16:53:43Z)
Self-Attention with Cross-Lingual Position Representation [112.05807284056337]
位置符号化(PE)は、自然言語処理タスクの単語順序情報を保存し、入力シーケンスの固定位置インデックスを生成する。語順が異なるため、言語間の位置関係をモデル化することは、SANがこの問題に取り組むのに役立つ。我々は、入力文のバイリンガル認識潜在構造をモデル化するために、言語間位置表現によるSANを拡大する。
論文参考訳（メタデータ） (2020-04-28T05:23:43Z)

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。