論文の概要: Generative AI translations in high-stakes emergency messaging

• arxiv url: http://arxiv.org/abs/2610.08601v1
• Date: Tue, 06 Oct 2026 16:06:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.100371
• Title: Generative AI translations in high-stakes emergency messaging
• Title（参考訳）: 高スループット緊急メッセージにおける生成AI翻訳
• Abstract要約: 極端な天候の報告や地震の指示のような緊急メッセージには、高い利害関係が伴うことがある。 したがって、機械翻訳や生成人工知能の使用は推奨されない。 英語から中国語とスペイン語に翻訳された地震指示文のAI生成による実験により、談話固有のプロンプトは理解性と行動可能性を大幅に改善できることが示された。
• 参考スコア（独自算出の注目度）: 2.1995878015371986
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emergency messaging such as extreme-weather reports and earthquake instructions can involve high stakes, to the extent that translation errors can lead to tragic consequences. The use of machine translation or generative artificial intelligence might therefore not be recommended. On the other hand, time savings in the initial translation can allow greater investments of resources in revision and authorization processes, as well as a wider range of target languages. An experiment with generative AI translations of an earthquake instruction text from English into Chinese and Spanish shows that use of discourse-specific prompts can considerably improve understandability and actionability, although the translations may still not be trusted by translators. Human revision is still required, not only to detect errors but also because of the ethical need for someone to take responsibility for any errors or delays in such messaging.
• Abstract（参考訳）: 極端な天候の報告や地震の指示のような緊急メッセージは、翻訳エラーが悲劇的な結果をもたらす程度に高い利害関係を伴う可能性がある。 したがって、機械翻訳や生成人工知能の使用は推奨されない。 一方、初期翻訳における時間節約は、リビジョンと承認プロセスにおけるリソースのさらなる投資を可能にするとともに、幅広い対象言語を対象とする。 英語から中国語とスペイン語への発音テキストの生成AI翻訳による実験では、談話固有のプロンプトを使用することで、理解性と行動可能性を大幅に向上させることができるが、翻訳者は信頼できない可能性がある。 ヒューマンリビジョンは、エラーを検出するだけでなく、誰かがこのようなメッセージのエラーや遅延に対して責任を取るという倫理的な必要性のために必要である。

関連論文リスト

• Towards Reliable Machine Translation: Scaling LLMs for Critical Error Detection and Safety [1.4517170578045737]
  クリティカルな意味は、エラーは多言語システムの信頼性、公平性、安全性を損なう可能性があるということだ。 本研究では,命令調整型大規模言語モデル(LLM)を用いて,そのような誤りを検出する能力について検討する。 その結果, モデルスケーリングと適応戦略(ゼロショット, 少数ショット, 微調整)が一貫した改善をもたらすことがわかった。
  論文  参考訳（メタデータ） (2026-02-11T23:47:39Z)
• CRAT: A Multi-Agent Framework for Causality-Enhanced Reflective and Retrieval-Augmented Translation with Large Language Models [59.8529196670565]
  CRATは、RAGと因果強化自己回帰を利用して翻訳課題に対処する、新しいマルチエージェント翻訳フレームワークである。 以上の結果からCRATは翻訳精度を著しく向上させ,特に文脈に敏感な単語や語彙の出現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-28T14:29:11Z)
• xTower: A Multilingual LLM for Explaining and Correcting Translation Errors [22.376508000237042]
  xTower は TowerBase 上に構築されたオープンな大規模言語モデル (LLM) である。 翻訳品質の大幅な向上を示すために, 様々な実験装置を用いてxTowerを検証した。
  論文  参考訳（メタデータ） (2024-06-27T18:51:46Z)
• Crossing the Threshold: Idiomatic Machine Translation through Retrieval Augmentation and Loss Weighting [66.02718577386426]
  慣用的な翻訳と関連する問題を簡易に評価する。 我々は,変圧器をベースとした機械翻訳モデルが慣用的な翻訳に対して正しくデフォルトとなる点を明らかにするための合成実験を行った。 自然慣用句の翻訳を改善するために, 単純かつ効果的な2つの手法を導入する。
  論文  参考訳（メタデータ） (2023-10-10T23:47:25Z)
• Lost In Translation: Generating Adversarial Examples Robust to Round-Trip Translation [66.33340583035374]
  本研究は, ラウンドトリップ翻訳における現在のテキスト対逆攻撃の堅牢性に関する包括的研究である。 筆者らは,現在最先端のテキストベースの6つの敵攻撃が,ラウンドトリップ翻訳後の有効性を維持していないことを実証した。 本稿では,機械翻訳を逆例生成のプロセスに組み込むことにより,この問題に対する介入に基づく解決策を提案する。
  論文  参考訳（メタデータ） (2023-07-24T04:29:43Z)
• The Best of Both Worlds: Combining Human and Machine Translations for Multilingual Semantic Parsing with Active Learning [50.320178219081484]
  人文翻訳と機械翻訳の両方の長所を生かした能動的学習手法を提案する。 理想的な発話選択は、翻訳されたデータの誤りとバイアスを著しく低減することができる。
  論文  参考訳（メタデータ） (2023-05-22T05:57:47Z)
• Translate your gibberish: black-box adversarial attack on machine translation systems [0.0]
  我々は、ロシア語から英語への翻訳作業において、最先端の機械翻訳ツールを騙すための簡単なアプローチを提示する。 Google、DeepL、Yandexなど多くのオンライン翻訳ツールが、非意味な逆入力クエリに対して間違ったあるいは攻撃的な翻訳を生成する可能性があることを示す。 この脆弱性は、新しい言語を理解することを妨げ、単に機械翻訳システムを使用する際のユーザエクスペリエンスを悪化させる可能性がある。
  論文  参考訳（メタデータ） (2023-03-20T09:52:52Z)
• BLEU, METEOR, BERTScore: Evaluation of Metrics Performance in Assessing Critical Translation Errors in Sentiment-oriented Text [1.4213973379473654]
  オンラインコンテンツの機械翻訳(MT)は、複数の言語で書かれた投稿の処理に一般的に使用される。 本稿では,機械翻訳の致命的誤りを検出するための自動品質指標の有効性を評価する。 我々は、感情クリティカルなエラーの検出をより堅牢にするために、自動メトリクスの微調整が必要であると結論付けている。
  論文  参考訳（メタデータ） (2021-09-29T07:51:17Z)
• Self-Supervised Representations Improve End-to-End Speech Translation [57.641761472372814]
  自己教師付き事前学習機能により,翻訳性能が一貫的に向上することを示す。 言語間の変換は、チューニングの必要なく、あるいはほとんどチューニングすることなく、さまざまな言語に拡張することができる。
  論文  参考訳（メタデータ） (2020-06-22T10:28:38Z)

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。