ACLMay, 2023

如何处理（新）代词：商业机器翻译的失败

PDF
TL;DR本文针对以往自然语言处理领域所忽略的 neopronouns 等全新形式三人称代词使用方式及其对包容性的影响展开探究，特别关注了机器翻译对于被边缘化团体如非二进制人群等的歧视问题。发现中性代词经常导致语法和语义翻译错误，因此提供了针对这些问题的未来研究建议。
发现论文，激发创造
  • 欢迎来到当代代词世界：超越性别的身份包容型自然语言处理

    本文探讨了 NLP 在第三人称代词领域的问题及其对边缘化群体的歧视和影响，提出了对代词建模的伦理准则，并基于此评估了现有和新颖的建模方法，量化了更不具歧视性的方法对基准数据的影响。

    Feb, 2022

  • 众包数据集中的代词错误

    研究使用多语言翻译技术在虚拟助手中嵌入多元化，解决人称代词翻译偏差问题的实践方案。

    Apr, 2023

  • 代词的故事：可解释性指导对公正指令调整机器翻译中的性别偏见缓解

    探讨了细调指令模型在机器翻译中存在性别偏见的问题，并提出了基于少样本学习的易于实施且有效的偏见缓解解决方案，以实现更公平的翻译。

    Oct, 2023

  • 评估机器翻译中的性别偏见 -- 以 Google 翻译为例

    本文研究了机器偏见和性别偏见，使用性别中性语言对 Google 翻译进行了实验，结果显示翻译的默认性别更偏向于男性，特别是在 STEM 领域中，这种偏见程度远超实际分布，因此需要对当前的统计翻译工具进行偏误纠正。

    Sep, 2018

  • MISGENDERED: 大型语言模型在理解代词方面的局限性

    本文探讨了语言技术中的性别偏见问题，提出了一个 MISGENDERED 框架来评估语言模型的性别中性人称的正确使用，发现基于二元性别训练的语言模型在使用非二元人称时普遍存在误差和算法偏差。

    Jun, 2023

  • 评测性别中性代词的翻译性别偏见

    本研究提出了一种用于评估机器翻译系统性别偏见的测试集方案，并构建了一组既不带有偏见性别也不过度偏向一侧的词组，然后通过该方案评估了传统机器翻译系统的性别偏见。

    May, 2019

  • 可扩展的跨语言支枢词建模代词性别用于翻译

    本研究提出了一种基于跨语言枢轴技术的新颖方法，用于自动生成高质量的性别标签，并展示了这些数据可用于微调 BERT 分类器，该分类器对于西班牙语中丢失的女性代词具有 92％的 F1，相比之下，神经机器翻译模型和非微调 BERT 模型分别为 30-51% 和 54-71％。我们使用来自我们分类器的标签来增强神经机器翻译模型以改进代词翻译，同时仍具有可并行化的翻译模型，可以逐句翻译。

    Jun, 2020

  • 从包容语言到性别中性机器翻译

    本文讨论性别中立翻译在机器翻译中的应用，并倡导其采用，以解决机器翻译模型延续性别偏见和歧视的问题。作者回顾了有关性别中立语言的相关机构指南，提出了性别中立翻译的策略和使用场景，并探讨了机器翻译中实施性别中立翻译的主要技术挑战。全文重点讨论了英语到意大利语的翻译问题，以代表性别标记规则不同的语言转换难题。

    Jan, 2023

  • 用新形态和大型语言模型增强性别包容性机器翻译

    机器翻译模型在使用具有性别化语法的语言进行翻译时存在性别偏见，本文提出了一种公平的机器翻译方法，使用新形态素实现性别包容语言，并探索了使用大型语言模型将英文翻译成意大利文的方法。通过发布 Neo-GATE 资源，我们评估了四种不同类型和不同规模的大型语言模型在这一新颖任务上的优势和劣势。

    May, 2024

  • 对自动性别中性翻译需求的迅速响应

    通过与 GPT-4 模型比较，我们通过广泛的手动分析实证揭示了当前机器翻译系统在生成性别中立翻译时的固有限制，并为提示中立性所涉及的潜力和挑战提供了有价值的见解。

    Feb, 2024