对自动性别中立翻译需求的提示响应

避免偏见和不必要的二元假设的性别中立翻译（GNT）是创建更具包容性的翻译技术的关键挑战。然而，机器翻译（MT）在此任务上的进展受到缺乏专用平行数据的阻碍，而这些数据对于调整 MT 系统以满足中立约束是必要的。针对此类场景，大语言模型提供了前所未有的可能性，因为它们在提供明确指令时在各种（子）任务中具有独特的多功能优势。在本文中，我们通过将 MT 与流行的 GPT-4 模型进行比较，探索了自动化 GNT 的潜力。通过广泛的人工分析，我们的研究实证揭示了当前 MT 系统在生成 GNT 方面的固有局限性，并提供了关于为中立性进行提示的潜力和挑战的宝贵见解。