論文の概要: An Investigation of Translationese in the Generations of Multilingual Large Language Models

• arxiv url: http://arxiv.org/abs/2608.17399v1
• Date: Tue, 18 Aug 2026 05:50:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.227946
• Title: An Investigation of Translationese in the Generations of Multilingual Large Language Models
• Title（参考訳）: 多言語大言語モデルの生成過程における翻訳文の検討
• Abstract要約: MLLMの世代が他の言語からの英語や翻訳語に似ているかは不明である。 我々は、翻訳テキストの確立された指標を利用して、5つの言語で最先端のMLLMを評価する。 MLLM生成テキストと典型的翻訳関連干渉を区別する重要な特徴について検討する。
• 参考スコア（独自算出の注目度）: 12.692405359509259
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text which has been translated from another language tends to carry with it evidence of translation$\unicode{x2014}$hence, it is often referred to as $\textit{translationese}$. Multilingual large language models (MLLMs) generate text in a variety of languages. However, it is still unclear if MLLMs' generations resemble internal translation (from English or, potentially, other languages) and, thus, result in translationese. Here, we ask the following research questions: (1) Does text generated by MLLMs resemble translationese? (2) How does translationese produced by MLLMs differ from translationese produced through direct translation? We leverage established indicators of translated text to evaluate text generated by state-of-the-art MLLMs in five languages, comparing to both non-translated and human-written baselines in order to isolate translationese from other kinds of interference. Through the use of high-accuracy classification models, analyses of variance on individual linguistic features, and the collection of human annotations in a subset of two languages (German and Spanish), we assess the translationese content of MLLM generations and examine the key features that distinguish MLLM-generated text from typical translation-related interference.
• Abstract（参考訳）: 他の言語から翻訳されたテキストは、翻訳の証拠である$\unicode{x2014}$henceを持つ傾向があり、しばしば$\textit{translationese}$と呼ばれる。 多言語大言語モデル(MLLM)は様々な言語でテキストを生成する。 しかし、MLLMの世代が内訳(英語か、あるいは他の言語から)に類似しているかどうかは不明であり、結果として翻訳が行われる。 1)MLLMが生成するテキストは翻訳文に似ているか? 2)MLLMが生成する翻訳文と直接翻訳による翻訳文はどのように異なるのか? 我々は、翻訳テキストの確立された指標を利用して、5つの言語で最先端のMLLMによって生成されたテキストを評価し、翻訳されていないベースラインと人書きのベースラインを比較して、他の種類の干渉から翻訳文を分離する。 高精度な分類モデルの使用、個々の言語的特徴のばらつきの分析、および2つの言語(ドイツ語とスペイン語)のサブセットにおける人間のアノテーションの収集を通じて、MLLM世代における翻訳内容を評価し、MLLM生成したテキストと典型的な翻訳関連干渉とを区別する重要な特徴について検討する。

関連論文リスト

• Lost in Literalism: How Supervised Training Shapes Translationese in LLMs [51.04435855143767]
  大規模言語モデル(LLM)は機械翻訳において顕著な成功を収めた。 しかし、過度にリテラルと不自然な翻訳を特徴とする翻訳は、依然として永続的な課題である。 我々は、黄金の基準を磨き、不自然なトレーニングインスタンスをフィルタリングするなど、これらのバイアスを軽減する方法を導入する。
  論文  参考訳（メタデータ） (2025-03-06T12:14:45Z)
• LLM-based Translation Inference with Iterative Bilingual Understanding [52.46978502902928]
  大規模言語モデル(LLM)の言語間機能に基づいた,新しい反復的バイリンガル理解翻訳法を提案する。 LLMの言語横断的能力により、ソース言語とターゲット言語を別々にコンテキスト理解することが可能になる。 提案したIBUTは、いくつかの強力な比較法より優れている。
  論文  参考訳（メタデータ） (2024-10-16T13:21:46Z)
• (Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts [56.7988577327046]
  翻訳企業の役割と協調の実践をシミュレートする,新しいマルチエージェントフレームワークであるTransAgentsを紹介する。 本研究は,翻訳品質の向上,特にテキストの長文化におけるマルチエージェント協調の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-05-20T05:55:08Z)
• Adapting Large Language Models for Document-Level Machine Translation [46.370862171452444]
  大規模言語モデル(LLM)は、様々な自然言語処理(NLP)タスクを大幅に進歩させた。 近年の研究では、中程度のLLMはタスク固有の微調整後、より大きなLLMよりも優れていることが示されている。 本研究では,特定の言語対に対する文書レベルの機械翻訳(DocMT)にLLMを適用することに焦点を当てた。
  論文  参考訳（メタデータ） (2024-01-12T09:29:13Z)
• Do GPTs Produce Less Literal Translations? [20.095646048167612]
  大規模言語モデル(LLM)は多くの自然言語生成や理解タスクに対処できる汎用言語モデルとして登場した。 GPTからの英語(E-X)からの翻訳はリテラルが低い傾向にあり、機械翻訳の品質指標に類似またはより良いスコアが示されることがわかりました。
  論文  参考訳（メタデータ） (2023-05-26T10:38:31Z)
• Eliciting the Translation Ability of Large Language Models via Multilingual Finetuning with Translation Instructions [68.01449013641532]
  大規模事前学習言語モデル(LLM)は多言語翻訳において強力な能力を示している。 本稿では,多言語事前学習言語モデルであるXGLM-7Bを微調整して,多言語翻訳を行う方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T12:00:24Z)
• 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)
• Searching for Needles in a Haystack: On the Role of Incidental Bilingualism in PaLM's Translation Capability [16.01088313166145]
  大規模言語モデルにおける偶発的バイリンガル主義の役割について検討する。 PaLMは少なくとも44言語で3000万以上の翻訳ペアに公開されています。 その存在が翻訳能力に重大な影響を与えていることを示すが、この影響はモデルスケールによって減少する。
  論文  参考訳（メタデータ） (2023-05-17T14:58:06Z)
• Multilingual Machine Translation with Large Language Models: Empirical Results and Analysis [103.89753784762445]
  大規模言語モデル(LLM)は多言語機械翻訳(MMT)の処理において顕著な可能性を示した。 本稿では, MMT における LLM の利点と課題を体系的に検討する。 また,ChatGPTとGPT-4を含む8つのLLMを徹底的に評価した。
  論文  参考訳（メタデータ） (2023-04-10T15:51:30Z)
• Does Transliteration Help Multilingual Language Modeling? [0.0]
  多言語言語モデルに対する音訳の効果を実証的に測定する。 私たちは、世界で最もスクリプトの多様性が高いIndic言語にフォーカスしています。 比較的高いソースコード言語に悪影響を及ぼすことなく、低リソース言語にトランスリテラゼーションが有効であることに気付きました。
  論文  参考訳（メタデータ） (2022-01-29T05:48:42Z)

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。