EMNLPOct, 2022

等待信息策略：在信息层次上平衡源语言和目标语言的同时机器翻译

PDF
TL;DR本文提出了一种基于信息量的等待策略来平衡源语言信息和目标语言信息的机器翻译方法，用于在同时接收源输入和输出翻译结果时做出合理决策。实验结果表明，该方法在实现平衡方面表现出色，比其他基线方法效果更好。
simultaneous machine translationwait-info policytoken levelinformation levelbalance
发现论文，激发创造
  • 基于信息传输的同声传译政策

    本文提出一种称为基于信息传输的同传（ITST）的方法，将翻译看作是从源到目标的信息传输，并据此确定翻译策略。实验证明，该方法在文本到文本和语音到文本方面表现优越，达到了最先进的性能。

    Oct, 2022

  • 混合专家等候 - k 策略的通用同时翻译机

    本论文提出了一种基于 Mixture-of-Experts Wait-k 机制的通用即时翻译模型，采用多头注意力实现专家混合，每个专家根据其自己的等待词数被认为是 wait-k 专家，并根据测试延迟和源输入调整专家权重以产生最佳翻译，可以在任意延迟下实现最佳翻译质量，实验结果表明，该方法优于现有方法。

    Sep, 2021

  • 通过二分搜索学习同时机器翻译的最优策略

    本文提出了一种利用二分查找在线构建最佳策略的方法来实现并行句子翻译的优化，通过显式监管来实现最优策略的学习，从而在所有延迟情况下超越了强基线。

    May, 2023

  • 数据驱动的自适应同时机器翻译

    本文提出一种用于自适应 SimulMT 训练的有效方案，通过向训练语料库中添加自适应前缀对前缀的语句，来缓解 Wait-K 策略的两个主要限制，实验证明该方法在翻译质量和延迟方面优于所有强基准线。

    Apr, 2022

  • 基于词级策略的增强式同时机器翻译

    研究表明，在同时机器翻译中，使用词级操作的策略优于子词级操作的策略，并且提出了一种使用语言模型提升翻译模型的方法。

    Oct, 2023

  • 高斯多头注意力机制用于机器翻译

    本文提出了 Gaussian Multi-head Attention（GMA）模型，用于开发一种新的 SiMT 策略，并通过模拟对齐和翻译来实现对齐的学习，该方法在 En-Vi 和 De-En 任务中的实验表明，它在翻译和延迟之间的权衡上优于强基线。

    Mar, 2022

  • 用于同时机器翻译的双读写路径建模

    本文提出了一种采用双路径的同时机器翻译方法，该方法引入了对偶性约束以直接监督源到目标和目标到源 SiMT 模型的读 / 写路径，据实验结果表明，在所有延迟下，我们的方法优于强基线。

    Mar, 2022

  • 将固定转为自适应：将后评估集成到同时机器翻译中

    本文提出了一种将后评估集成到固定策略中的方法，通过测量源内容的变化来评估下一个操作的合理性，并根据评估结果采取不同的操作，这种自适应策略在三项翻译任务中均优于强基准线。

    Oct, 2022

  • SiLLM：大型语言模型用于同步机器翻译

    同时机器翻译 (SiMT) 使用一个策略来确定最佳的阅读和生成单词的时机。我们提出了 SiLLM，将 SiMT 任务分解为策略决策和翻译子任务，并引入了大型语言模型 (LLM)。两个代理协作完成 SiMT，最终实现了最新技术水平的性能表现。

    Feb, 2024

  • 自适应等待 -$k$ 模型的同时翻译策略

    同时机器翻译中，我们提出一种通过将自适应策略模型与翻译模型分离的灵活方法，引入了基于潜在的翻译分布差异的 DaP（基于分歧的自适应策略），以在翻译准确性和延迟之间提供更好的平衡，表现优于现有方法。

    Oct, 2023