論文の概要: PATMT2: Two-stage domain adaptation for multilingual patent translation
- arxiv url: http://arxiv.org/abs/2610.16466v1
- Date: Mon, 12 Oct 2026 09:22:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.344961
- Title: PATMT2: Two-stage domain adaptation for multilingual patent translation
- Title（参考訳）: PATMT2:多言語パテント翻訳のための2段階ドメイン適応
- Abstract要約: PatMT2はHy-MT2-7B専用翻訳モデルを4言語(中国語/英語/日本語/韓国語)の特許翻訳に適用する。
6つの翻訳方向では、Stage-2チェックポイントが43.39(BF16)から43.57(AWQ INT4)のマクロ平均BLEUに達する。
微調整データから欠落した38の言語を探索し、そのモデルはまだ34で正確で流動的な出力を生成する一方、4つの低リソース言語は別個の再現可能な障害モードに分解する。
- 参考スコア（独自算出の注目度）: 3.5808917363708743
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present PatMT2 (Patent Machine Translation, v2), a two-stage LoRA pipeline that adapts the Hy-MT2-7B dedicated translation model to four-language (Chinese/English/Japanese/Korean) patent translation. On six translation directions, the Stage-2 checkpoint reaches a macro-average BLEU of 43.39 (BF16) to 43.57 (AWQ INT4), improving over the Hy-MT2-7B base by up to +8.8 BLEU and also exceeding Qwen3-32B and several external systems on the same average. We then measure the cost of adaptation: probing 38 languages absent from the fine-tuning data, the model still produces correct, fluent output on 34, while four low-resource languages collapse into distinct, reproducible failure modes. We treat these as diagnostic cases rather than retention rates, and report their mechanisms without attributing them to a single cause. Paired bootstrap tests confirm the translation gains over all baselines (p < 0.001).
- Abstract（参考訳）: 本稿では,Hy-MT2-7B専用翻訳モデルを4言語(中国語/英語/日本語/韓国語)の特許翻訳に適用した2段階のLoRAパイプラインPatMT2(Patent Machine Translation, v2)を提案する。
6つの翻訳方向において、Stage-2チェックポイントは平均43.39(BF16)から43.57(AWQ INT4)のマクロ平均BLEUに達し、Hy-MT2-7Bベースを+8.8BLEUまで改善し、Qwen3-32Bや複数の外部システムを上回る。
微調整データから欠落した38の言語を探索し、そのモデルはまだ34で正確で流動的な出力を生成する一方、4つの低リソース言語は別個の再現可能な障害モードに分解する。
保存率よりも診断症例として扱うとともに,そのメカニズムを1つの原因に繋がることなく報告する。
ペアリングブートストラップテストでは、すべてのベースライン(p < 0.001)での翻訳のゲインを確認する。
関連論文リスト
- Language-Conditional Dequantization: Recovering What Quantization Steals from Non-English Languages [0.0]
サブ4B INT3 GPTQでは、英語よりも英語以外の言語では2-4倍のパープレキシティ劣化が観測されている。
本稿では,Language-Conditional Dequantization (LCD)を提案する。
Qwen2.5-3B と Llama-3.2-3B 全体で、LCD は非ラテン文字言語におけるパープレキシティギャップの 70-83% を回復し、GlobalMMLU の精度ギャップの 17-28% を回復した。
論文 参考訳（メタデータ） (2026-08-12T08:28:03Z) - Hy-MT2: A Family of Fast, Efficient and Powerful Multilingual Translation Models in the Wild [28.747270164782673]
Hy-MT2は、一般的な実世界のビジネス、ドメイン固有、命令フォローする翻訳タスクで優れたパフォーマンスを提供する。
7Bと30Bは、DeepSeek-V4-ProやKim K2.6のようなオープンソースモデルよりも高速に考えられたモードで優れている。
軽量の1.8Bモデルは440MBのストレージしか必要とせず、1.5倍の推論スピードアップを実現している。
論文 参考訳（メタデータ） (2026-05-21T07:00:06Z) - Data Contamination in Neural Hieroglyphic Translation: A Reproducibility Study [0.8684482273743698]
古代および絶滅危惧言語は、NLPに固有の課題を提起する。
微調整M2M-100を用いた61.5BLEUの最近の研究
我々の再生はリリースされたモデルでわずか37.0 BLEUしか得られない。
論文 参考訳（メタデータ） (2026-05-08T09:00:04Z) - 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) - Vega-MT: The JD Explore Academy Translation System for WMT22 [67.71016343958556]
言語ペアとモデルサイズという2つの主要な要因をスケールアップすることで、これまでの作業の限界を押し上げます。
第1位はZh-En(45.1)、En-Zh(61.7)、De-En(58.0)、En-De(63.2)、Cs-En(74.7)、Ru-En(64.9)、En-Ru(69.6)、En-Ja(65.1)、En-Cs(95.3)、Ja-En(40.6)である。
論文 参考訳（メタデータ） (2022-09-20T03:45:24Z) - Few-shot Learning with Multilingual Language Models [66.49496434282564]
多様な言語群をカバーするバランスの取れたコーパス上で,多言語の自動回帰言語モデルを訓練する。
私たちの最大のモデルは、20以上の代表言語で数ショットの学習において、新しい最先端の技術を定めています。
本稿では,モデルがどこで成功し,失敗するかを詳細に分析し,特に言語間の文脈内学習を可能にすることを示す。
論文 参考訳（メタデータ） (2021-12-20T16:52:35Z) - Cross-lingual Retrieval for Iterative Self-Supervised Training [66.3329263451598]
言語間のアライメントは、Seq2seqモデルを、自身のエンコーダ出力を用いてマイニングされた文対上で訓練することでさらに改善することができる。
我々は,反復型自己教師型訓練のための言語間検索という新しい手法を開発した。
論文 参考訳（メタデータ） (2020-06-16T21:30:51Z)
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。