Bandit 不循规蹈矩：用多臂 Bandit 平衡多面向机器翻译

机器翻译（MT）的训练数据通常来源于大量本质上多面向的大型语料库，例如包含来自多个领域的内容，或不同质量与复杂度级别的内容。自然地，这些面向出现的频率并不相等，对于手头的测试场景而言它们的重要性也不尽相同。在这项工作中，我们提出将这种平衡与 MT 模型参数联合优化，以将系统开发者从人工调度设计中解放出来。训练一个多臂 bandit（multi-armed bandit）来动态地在各面向之间做出最有益于 MT 系统的选择。我们在三种不同的多面向应用上对其进行评估：平衡翻译体与自然训练数据，或来自多个领域或多个语言对的数据。我们发现 bandit 学习在各项任务上均能带来具有竞争力的 MT 系统，并且我们的分析为其学到的策略及底层数据集提供了见解。