面向专业人员的 NMT 增量调整:用户研究
本研究测试了在专业翻译中使用神经机器翻译(NMT)是否能够节省人工处理时间,并发现更好的 MT 系统确实能够减少英文到捷克文翻译过程中的修改次数,但是质量和编辑时间之间的关系并不是直接的关系,并且与短语词汇表机器翻译不同的是,BLEU 不能稳定预测时间或最终输出质量。
Sep, 2021
神经机器翻译需进行后编辑以提高翻译质量,后编辑可作为新的训练数据进行在线学习,本文提出新的优化算法并实验比较在线学习算法,结果表明翻译质量和工作量得到了显著提高。
Jun, 2017
通过实证研究发现,即使是对于研究相对较少的语言对和系统适应所需的小量领域数据,采用神经机器翻译(NMT)后编辑可显著节省时间,并且能够实现等同或略有更好的翻译质量。
Jun, 2019
我们介绍了一个在线学习神经机器翻译的系统,并将其与专业翻译人员最常用的 SDL Trados Studio 用户界面集成,以节省机器不断学习和适应特定领域或用户风格的人类选择所需的时间和努力。
Jun, 2019
本研究针对多种语言数十款神经机器翻译模型,通过一项系统性的翻译后修订实验,对每种翻译成果进行了专业化评估,并公开了完整数据集,旨在进一步研究神经机器翻译系统的翻译能力。
May, 2022
本文提出了两种优化神经网络语言模型适应新数据的方法,包括在重新采样数据上进行继续训练或插入适应性层。在 CAT 环境中应用于 SMT 系统中,这两种方法均取得了显著的改进。
Dec, 2014
这篇文章研究了如何自动提高机器翻译的文章质量,提出了可移植的 postediting 模块来替代改善某个系统内部的方法,并且通过学习算法构建了一个完整的文章选择自动 postediting 模块,并与人类表现进行了比较。
Jul, 1994
通过使用 Multidimensional Quality Metric (MQM) 注释中的外部反馈来引导大型语言模型 (LLMs) 自动对机器翻译进行后编辑,以提高翻译质量。使用 LLaMA-2 模型,通过改变反馈的特性,我们考虑了不同的提示策略,并对 LLM 进行微调以提高其利用所提供指导的能力,实验证明提示 LLMs 对机器翻译进行后编辑,可以改善 TER、BLEU 和 COMET 分数,微调有助于更有效地整合细粒度的反馈,并基于自动和人工评估进一步提高翻译质量。
Apr, 2024
本研究使用 GPT-4 对多种语言对进行神经机器翻译 (NMT) 输出的翻译后编辑,实现优秀的翻译质量与表现,达成当今最佳翻译质量指标 (WMT-22) 的水平。
May, 2023
本研究提出了一种简单而有效的适应 NMT 模型的方法,该方法是将微小的任务特定适配层注入预训练模型,能够同时适应多个不同的任务,并在两项任务中得到了验证,理论与全面的微调相当。
Sep, 2019