論文の概要: STAR : Sentence Translation Alignment Rate for Document-to-Document Machine Translation

• arxiv url: http://arxiv.org/abs/2608.27161v1
• Date: Thu, 27 Aug 2026 14:12:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.440894
• Title: STAR : Sentence Translation Alignment Rate for Document-to-Document Machine Translation
• Title（参考訳）: STAR : 文書間機械翻訳における文翻訳アライメント率
• Abstract要約: 大規模言語モデル(LLM)は、文章レベルからドキュメント間機械翻訳(Doc2Doc)への移行を可能にした。 本稿では,文レベルの構造的忠実度を明示的に定量化する補助指標である文翻訳アライメントレート(STAR)を紹介する。 本稿では,文書レベルの仮説を構造的品質でランク付けするフレームワークであるStarPOを提案する。
• 参考スコア（独自算出の注目度）: 39.723930108279724
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large Language Models (LLMs) have enabled a shift from sentence-level to document-to-document (Doc2Doc) machine translation, promising improved global coherence. However, document-to-document generation in a single pass frequently suffers from structural misalignment, manifesting as sentence omissions or hallucinations that violate the core requirement of source-target correspondence. To address this, we introduce Sentence Translation Alignment Rate (STAR), an auxiliary metric that explicitly quantifies sentence-level structural fidelity. Building on this, we propose STAR-masked Preference Optimization (StarPO), a framework that ranks document-level hypotheses by structural quality and utilizes a dynamic alignment mask to focus optimization on misaligned segments. Experimental results across news and literary domains demonstrate that StarPO significantly enhances translation quality and structural integrity. Notably, StarPO allows compact models to surpass the performance of massive proprietary systems like GPT-4o while maintaining superior token efficiency.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、センテンスレベルからドキュメントからドキュメントへの機械翻訳(Doc2Doc)への移行を可能にし、グローバルコヒーレンスの改善を約束している。 しかし、単一のパスにおける文書から文書への生成は、しばしば構造上のミスアライメントに悩まされ、ソース・ターゲット対応のコア要件に反する文の欠落や幻覚として現れる。 そこで本研究では,文レベルの構造的忠実度を明示する補助指標である文翻訳アライメントレート(STAR)を導入する。 そこで我々は,STAR-masked Preference Optimization (StarPO)を提案する。これは文書レベルの仮説を構造的品質でランク付けするフレームワークであり,動的アライメントマスクを用いて,不整合セグメントに最適化を集中させる。 ニュースや文学分野にわたる実験結果から、StarPOは翻訳品質と構造的整合性を著しく向上させることが示された。 特に、StarPOは、優れたトークン効率を維持しながら、コンパクトモデルがGPT-4oのような巨大なプロプライエタリシステムの性能を上回ることを許している。

関連論文リスト

• Structure-Preserving Document Translation via Multi-Stage LLM Pipeline: A Case Study in Marathi [2.3224090384815423]
  インドの政府文書は主にマラタイ語などの地域言語で発行されている。 本稿では,構造保存型マラタイ・英語政府文書翻訳フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-27T08:07:44Z)
• Structured Document Translation via Format Reinforcement Learning [12.727462974269942]
  教師付き微調整モデル上にグループ相対政策最適化を用いたtextbfFormat Reinforcement Learning (FormatRL) を提案する。 報酬関数の違いが、構造的および翻訳的品質の改善にどのように貢献するかを示す。
  論文  参考訳（メタデータ） (2025-12-04T18:58:30Z)
• GRAFT: A Graph-based Flow-aware Agentic Framework for Document-level Machine Translation [29.444855969559153]
  文書翻訳のためのGRAFT(Graph Augmented Agentic Framework for Document Level Translation)を提案する。 GRAFTは、セグメンテーション、DAGに基づく依存性モデリング、凝集性フレームワークへの談話対応翻訳を統合している。 8つの翻訳方向と6つの多様なドメインにわたる実験により、GRAFTはDocMTシステムよりも大きな性能向上を達成できることが示された。
  論文  参考訳（メタデータ） (2025-07-04T05:45:55Z)
• Implementing Long Text Style Transfer with LLMs through Dual-Layered Sentence and Paragraph Structure Extraction and Mapping [6.445040420833822]
  文レベルのスタイリスティック適応と段落レベルの構造的コヒーレンスを組み合わせた階層的枠組みを提案する。 提案するフレームワークであるZeroStylusは,参照テキストからの階層的テンプレート取得とマルチグラニュラマッチングによるテンプレート誘導生成という,2つの体系的なフェーズで運用する。
  論文  参考訳（メタデータ） (2025-05-11T05:53:33Z)
• Multilingual Contextualization of Large Language Models for Document-Level Machine Translation [28.08957305340726]
  大規模言語モデル (LLM) は文レベルの機械翻訳において高い性能を示している。 高品質な文書レベルのデータを対象とした微調整により,LLMに基づく長期文書翻訳を改善する手法を提案する。 提案手法は,文書から文書への直接翻訳やチャンクレベルの翻訳など,複数の翻訳パラダイムをサポートする。
  論文  参考訳（メタデータ） (2025-04-16T14:52:22Z)
• Discourse Features Enhance Detection of Document-Level Machine-Generated Content [53.41994768824785]
  機械生成コンテンツは、学術プラジャリズムや誤報の拡散といった課題を提起する。 既存のMGC検出器は、しばしば表面レベルの情報のみに焦点を当て、暗黙的かつ構造的な特徴を見渡す。 これらの課題を克服するために、新しい方法論とデータセットを導入します。
  論文  参考訳（メタデータ） (2024-12-17T08:47:41Z)
• Advancing Topic Segmentation and Outline Generation in Chinese Texts: The Paragraph-level Topic Representation, Corpus, and Benchmark [44.06803331843307]
  段落レベルのトピック構造は、ドキュメント全体のコンテキストをより高いレベルから把握し、理解することができる。 大規模で高品質な中国語段落レベルの話題構造コーパスの欠如は研究や応用を妨げた。 コーパス構築を導くために,3層からなる階層的な段落レベルのトピック構造表現を提案する。 2段階のマンマシン・コラボレーティブ・アノテーションを用いて,中国最大規模のトピック構造コーパスを構築する。
  論文  参考訳（メタデータ） (2023-05-24T06:43:23Z)
• Modeling Context With Linear Attention for Scalable Document-Level Translation [72.41955536834702]
  本稿では,近年の文書翻訳における線形アテンションモデルの有効性について検討し,直流帰納バイアスを促進するためにセンデンシャルゲートで拡張する。 感性ゲーティングはIWSLTの翻訳品質をさらに向上させることを示す。
  論文  参考訳（メタデータ） (2022-10-16T03:41:50Z)
• SMDT: Selective Memory-Augmented Neural Document Translation [53.4627288890316]
  本稿では,文脈の広い仮説空間を含む文書を扱うために,選択的メモリ拡張型ニューラル文書翻訳モデルを提案する。 トレーニングコーパスから類似のバイリンガル文ペアを抽出し,グローバルな文脈を拡大する。 ローカルなコンテキストと多様なグローバルなコンテキストをキャプチャする選択的なメカニズムで、2ストリームのアテンションモデルを拡張する。
  論文  参考訳（メタデータ） (2022-01-05T14:23:30Z)
• Document-level Neural Machine Translation with Document Embeddings [82.4684444847092]
  この研究は、複数の形式の文書埋め込みの観点から、詳細な文書レベルのコンテキストを活用することに重点を置いている。 提案する文書認識NMTは,大域的および局所的な文書レベルの手がかりをソース端に導入することにより,Transformerベースラインを強化するために実装されている。
  論文  参考訳（メタデータ） (2020-09-16T19:43:29Z)
• Towards Making the Most of Context in Neural Machine Translation [112.9845226123306]
  我々は、これまでの研究がグローバルな文脈をはっきりと利用しなかったと論じている。 本研究では,各文の局所的文脈を意図的にモデル化する文書レベルNMTフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T03:30:00Z)

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。