論文の概要: Benchmarking Arabic--Russian Machine Translation: A Comparison of Fine-tuned NMT and Few-shot LLMs under Rich Morphology and Low Lexical Overlap

• arxiv url: http://arxiv.org/abs/2609.29559v1
• Date: Wed, 26 Aug 2026 11:22:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.075333
• Title: Benchmarking Arabic--Russian Machine Translation: A Comparison of Fine-tuned NMT and Few-shot LLMs under Rich Morphology and Low Lexical Overlap
• Title（参考訳）: アラビア語とロシア語の機械翻訳のベンチマーク: リッチな形態と低語彙オーバーラップ下での微調整NMTとFew-shot LLMの比較
• Abstract要約: アラビア語とロシア語の機械翻訳(MT)は、アラビア語の豊富な形態と低語彙の重なりが原因で、未発見のままである。 我々は、新しい15.47Mペアコーパスを20k/5k/5k分割した4つの数ショットの大規模言語モデル(LLM)に対して、7つの微調整ニューラルマシン翻訳(NMT)モデルをベンチマークした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Arabic-Russian machine translation (MT) remains under-explored due to the rich morphology of Arabic and low lexical overlap between the two languages. We benchmark seven fine-tuned neural machine translation (NMT) models against four few-shot large language models (LLMs) on a 20k/5k/5k split of a new 15.47M-pair corpus. Fine-tuned NLLB-1.3B achieves the highest BLEU (16.3) and COMET (0.738). Aya-Expanse 8B leads the few-shot LLMs (BLEU 1.7 on 500 sentences, chrF 25.7), but all LLM scores remain far below the fine-tuned NMT baselines. Error analysis identifies low lexical overlap as the dominant failure mode; among the worst translations, mT5-small produces 32% too-short outputs. Bootstrap tests confirm significant differences among most models. Our results demonstrate that fine-tuned NMT significantly outperforms few-shot LLMs for Arabic-Russian translation under low-resource conditions.
• Abstract（参考訳）: アラビア語とロシア語の機械翻訳(MT)は、アラビア語の豊富な形態と2つの言語間の低語彙の重複のため、未発見のままである。 我々は、新しい15.47Mペアコーパスを20k/5k/5k分割した4つの数ショットの大規模言語モデル(LLM)に対して、7つの微調整ニューラルマシン翻訳(NMT)モデルをベンチマークした。 NLLB-1.3Bは最も高いBLEU (16.3)とCOMET (0.738)を達成している。 Aya-Expanse 8Bは、500文のBLEU 1.7、chrF 25.7)をリードするが、全てのLPMスコアは微調整されたNTTベースラインよりはるかに低いままである。 エラー解析では、低語彙重なりが主流の障害モードとして認識され、最悪の翻訳ではmT5-smallが32%短すぎる出力を生成する。 ブートストラップテストは、ほとんどのモデルで大きな違いを確認します。 その結果,NMTの微調整は,低資源条件下でのアラビア語・ロシア語翻訳において,数発のLLMを著しく上回っていることがわかった。

関連論文リスト

• Domain-Specific Translation with Open-Source Large Language Models: Resource-Oriented Analysis [0.0]
  オープンソースの自己回帰型デコーダ専用大言語モデル(LLM)のドメイン固有翻訳性能とタスク指向機械翻訳(MT)モデルとの比較を行った。 実験では,医療領域に焦点をあて,資源利用率の異なる4つの言語方向をカバーした。
  論文  参考訳（メタデータ） (2024-12-08T08:54:13Z)
• Contrastive Preference Optimization: Pushing the Boundaries of LLM Performance in Machine Translation [50.00235162432848]
  我々は22Kパラレル文と12Mパラメータしか持たないALMAモデルを訓練する。 ALMA-Rと呼ばれる結果のモデルは、WMTコンテストの勝者とGPT-4のパフォーマンスと一致または上回ることができる。
  論文  参考訳（メタデータ） (2024-01-16T15:04:51Z)
• Machine Translation for Ge'ez Language [0.0]
  Ge'ezのような低リソース言語の機械翻訳は、語彙外単語、ドメインミスマッチ、ラベル付きトレーニングデータの欠如といった課題に直面している。 言語関連性に基づく多言語ニューラルマシン翻訳(MNMT)モデルを開発した。 また,最新のLCMであるGPT-3.5を用いて,ファジィマッチングを用いた数ショット翻訳実験を行った。
  論文  参考訳（メタデータ） (2023-11-24T14:55:23Z)
• A Paradigm Shift in Machine Translation: Boosting Translation Performance of Large Language Models [27.777372498182864]
  生成型大規模言語モデル(LLM)のための新しい微調整手法を提案する。 提案手法は,モノリンガルデータに対する初期微調整と,それに続く少数の高品質並列データに対する微調整の2段階からなる。 LLaMA-2を基礎モデルとして,このモデルではゼロショット性能よりも12BLEUおよび12COMETの平均的な改善が達成できることを示した。
  論文  参考訳（メタデータ） (2023-09-20T22:53:15Z)
• 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)

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。