EMNLPOct, 2023

自适应等待 -$k$ 模型的同时翻译策略

PDF
TL;DR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。
simultaneous machine translationread/write policytranslation modeladaptive policydap
发现论文，激发创造
  • 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

  • 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

  • 简单快速学习适应性同传策略

    提出了一种简单的监督学习框架，从并行文本生成的 oracle READ / WRITE 序列中学习自适应策略来结合固定延迟策略和自适应策略的优点以实现更好的 BLEU 分数和相似的延迟，同时无需重新训练基础的神经机器翻译模型。

    Sep, 2019

  • 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

  • 用于同时机器翻译的高效等待 k 模型

    研究了使用 Wait-k 解码器在资源匮乏的情况下进行同声传译的行为，同时通过使用单向编码器和训练多个 K 值来提高模型的训练，并探讨了 2D 卷积体系结构在同声翻译方面的应用。

    May, 2020

  • 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

  • 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

  • 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

  • 同时翻译策略：从固定到自适应

    通过简单的启发式组合一组固定策略，我们设计了一种算法来实现自适应策略，实验结果显示我们的自适应策略可以在相同延迟下比固定策略多达 4 个 BLEU 分数，并且甚至在贪心模式下超过了全句翻译的 BLEU 分数（接近 beam 模式），但延迟更低。

    Apr, 2020

  • 基于未来引导的增量变换器进行同声翻译

    提出了增量 Transformer 结合平均嵌入层（AEL）加快计算速度、传统 Transformer 作为增量 Transformer 的 teacher 通过知识蒸馏在模型中加入未来信息进行未来导向训练的方法，在汉英和德英同时翻译任务中与 wait-k 策略对比实验证明，该方法能够有效提高训练速度约 28 倍，并在模型中隐式地嵌入一些预测能力，获得更好的翻译质量。

    Dec, 2020