Oct, 2023

三星菲律宾研发所参加 WMT 2023

PDF
TL;DR本文描述了三星菲律宾研究所在 WMT 2023 普通翻译任务中提交的受限机器翻译系统，涵盖 en$ ightarrow$he 和 he$ ightarrow$en 两个方向。这些系统由基于 Transformer 的序列 - 序列模型组成，在训练过程中采用了一系列最佳实践，如全面的数据预处理流程、合成的反向译文数据以及在线解码时的噪声通道重排序。我们的模型在 FLORES-200 和 NTREX-128 两个公共基准测试数据集上，尽管参数数量明显较少，但性能与强基线无限制系统（如 mBART50 M2M 和 NLLB 200 MoE）相当，有时甚至更好。
发现论文，激发创造
  • 微软亚洲研究院的 WMT19 系统

    微软研究亚洲在 WMT19 新闻翻译任务中使用 Transformer、反向翻译和知识蒸馏等技术并结合多智能体双向学习、掩码序列到序列预训练、神经架构优化及软性上下文数据增强等技术在 11 个语言方向中获得了 8 个方向的第一名。

    Nov, 2019

  • 剑桥大学 WMT18 机器翻译系统

    该论文探究利用多种不同的神经模型进行翻译的组合，其中包括递归、卷积和自注意力模型，最终结合短语基 SMT 系统的 MBR 方案，相较于强 Transformer 模型集合，取得了小但一致的收益。

    Aug, 2018

  • 爱丁堡大学 WMT17 神经机器翻译系统

    该论文介绍爱丁堡大学参加 WMT17 共享新闻翻译和生物医学翻译任务的情况，使用了采用 Nematus 注意力编码器 - 解码器训练的神经机器翻译系统，并对层归一化、深度结构和不同的集成技术进行了广泛的实验。

    Aug, 2017

  • Tencent WMT22 大规模非洲语言多语言机器翻译系统

    本文介绍了腾讯的多语言机器翻译系统，该系统使用数据扩增、分布式稳健优化和语系分组等技术来应对数据不平衡和多语言难题，其中在 WMT22 的有限数据情况下，取得了第一名的成绩。

    Oct, 2022

  • NiuTrans 机器翻译系统用于 WMT21

    介绍了 NiuTrans 神经机器翻译系统及其在多个语言（包括中文、日语、俄语、冰岛语）的 WMT2021 新闻翻译任务中的应用，利用多种方法包括 Transformer、回译、知识蒸馏和微调等提高翻译的性能。

    Sep, 2021

  • WMT 16 爱丁堡神经机器翻译系统

    我们参加了 WMT 2016 分享的新闻翻译任务，并为四种语言建立了神经翻译系统，每种语言都在英语和其它语言的两个方向上进行训练。使用了基于注意力的编码器 - 解码器、BPE 子词段和自动回译等技术，我们的方法使得我们的结果比基准系统提高了 4.3-11.2 BLEU，人工评估显示我们的系统在 8 个翻译方向中有 7 个是最好的约束系统。

    Jun, 2016

  • 上海交通大学 - 国立信息学研究所的 WMT20 新闻翻译任务所使用的监督式和无监督式神经机器翻译系统

    本文介绍了我们在 WMT2020 机器翻译共享任务中的参与情况和采用的多项神经机器翻译技术，在英汉、波兰英语和德国上索布里亚语等四个方向中，我们获得了第一名的好成绩。

    Oct, 2020

  • WMT20 的 Volctrans 机器翻译系统

    介绍我们在 WMT20 共享新闻翻译任务中使用的 VolcTrans 系统，该系统基于 Transformer，包括文本预处理、数据选择、合成数据生成、高级模型集成和多语言预训练。

    Oct, 2020

  • 悉尼大学参加 WMT19 的机器翻译系统

    本文介绍了悉尼大学参加 WMT 2019 共享新闻翻译任务的提交。通过将学术研究中的最新的有效策略（例如，BPE、回译、多特征数据选择、数据增强、贪婪模型集成、reranking、ConMBR 系统组合和后处理）与自注意力 Transformer 网络相结合，提出了一种新的增强方法 Cycle Translation 和数据混合策略大 / 小并行构建，全面利用合成语料库。大量实验证明，添加上述技术可以使 BLEU 分数不断提高，最佳结果比基准线（使用原始平行语料库训练的 Transformer 集成模型）的 BLEU 分数高出约 5.3 个 BLEU 分，达到最先进的表现。

    Jun, 2019

  • Silo NLP 参加 WAT2022

    本文介绍了 “Silo NLP” 的多模式翻译系统在 2022 年亚洲翻译研讨会上的参赛情况，利用 Transformers 和 mBART-50 模型作为基础，提取图像中的对象标签作为视觉特征，用于英语到印度语的多模式，以及英语到马拉雅拉姆语、孟加拉语等印度语系的文本翻译任务。该系统在多个任务中表现出色。

    Aug, 2022