Aug, 2024

评估大规模语言模型在古典中文诗歌翻译中的表现：有效性、流畅性和优雅性

HTML
PDF
TL;DR本研究针对大规模语言模型在古典中文诗歌翻译中存在的有效性、流畅性和优雅性不足的问题，提出了一个新的基准。提出的检索增强机器翻译方法（RAT）和基于GPT-4的自动评估指标，能更有效地评估翻译质量，并提升现有模型在此领域的表现。
发现论文，激发创造
  • 从口语汉语生成古典诗歌

    本文提出了一种利用非文言文生成古典诗歌的新任务，并采用了无监督机器翻译的方法，在语义上给予用户更多控制权，通过基于分词的填充和强化学习等方法，取得了很好的实验效果，同时探索了如何提高生成诗歌的输入口诀，得到了高质量的诗歌生成。

    Aug, 2019

  • 神经诗歌翻译实证研究

    本文旨在探索机器翻译在诗歌翻译方面的应用，研究并比较了诗歌和非诗歌语料库大小、双语和多语言学习、以及使用语系特定模型和混合多语言模型的效果，得出多语言微调在诗歌翻译中具有重要性和优越性。

    Sep, 2021

  • FRMT：用于少样本区域感知机器翻译的基准测试

    FRMT是一个新的数据集和评估基准，针对少样本区域感知机器翻译。该数据集包括英语到葡萄牙语和汉语各两种地区变种的专业翻译。我们为该任务提供了基线模型和训练、评估、比较的准则。

    Oct, 2022

  • 大语言模型的多语言机器翻译：实证结果和分析

    本文系统地研究了大型语言模型在多语言机器翻译中的优势和挑战，并在 102 种语言上评估了 XGLM、OPT、BLOOMZ 和 ChatGPT 四种常见模型的性能。在进一步分析中，本文发现大型语言模型在多语言机器翻译中具有一些新的工作方式。

    Apr, 2023

  • 基于无词汇模型的语言模型生成更有准确格式的中国古典诗歌

    本研究通过验证现行基于标记的大型语言模型在标记-字符关系方面的知识限制，并提出一种基于字符级或字节级标记的无标记模型，该模型在格式准确性方面表现优异，为解决生成中文古典诗歌的格式问题提供了一个可行的解决方案。

    Jan, 2024

  • ChatGPT 如何翻译诗歌的最佳方式？

    机器翻译在文学作品中，特别是诗歌翻译领域一直面临重大挑战。本研究通过使用有针对性的提示和小样本情景来评估ChatGPT在英中诗歌翻译任务中的性能，并提出了一种基于解释的诗歌机器翻译(EAPMT)方法，该方法利用单语诗歌解释作为翻译过程的指导信息。通过专业诗人的评估和使用GPT-4进行评估，人机评估结果都显示出我们的EAPMT方法优于ChatGPT的传统翻译方法和现有的在线系统。本文验证了我们的方法的有效性，并为机器辅助的文学翻译提供了新的视角。

    Jun, 2024

  • 诗像生成的迭代校正框架

    通过使用Poetry2Image这一迭代修正框架，结合大语言模型（LLM）对生成的图像进行反馈和纠正，本研究在中国古典诗歌生成的任务中取得了显著的改进，提高了元素完整性25.56%和语义一致性80.09%。该方法不仅促进了古诗文化的传播，还为类似的非微调方法增强LLM生成提供了参考。

    Jun, 2024

  • 大型语言模型中的中文知识校正基准测试

    本研究解决了大型语言模型在处理中文时存在的知识缺失和生成无意义信息的问题，尤其是在古诗、成语等领域。论文提出了一个新的中文数据集CKnowEdit，通过收集七类知识，帮助评估当前模型在中文处理中的挑战，并揭示了知识编辑技术在中文知识校正方面的改进潜力。

    Sep, 2024

  • 使用情感与语义分析评估谷歌翻译的中文翻译效果

    本研究针对机器翻译模型与人类专家评估之间的差距进行探讨，提出了一种通过情感和语义分析来自动化评估翻译质量的新方法。研究发现，谷歌翻译在处理中文特定词汇和短语时面临困难，缺乏对中国历史和文化的理解，以至于影响了翻译的准确性。这一框架为中文机器翻译的改进提供了新的见解。

    Sep, 2024

  • 使用情感和语义分析评估谷歌翻译的普通话翻译

    本研究针对谷歌翻译在普通话翻译中的质量评估存在的空白，采用情感和语义分析的方法，结合人类专家的评估，分析经典小说《阿Q正传》的英文翻译。研究发现，谷歌翻译在翻译特定词汇和短语方面存在不足，尤其是在缺乏上下文及历史知识的情况下，导致了翻译不准确，强调了机器翻译在文化细节把握上的局限性。

    Sep, 2024