基于质量评估信息的再翻译是否可实现错误纠正？

本文提出了两种提交给 WMT 2025 自动翻译质量评估系统任务 3 - 质量评估（QE）驱动的分段级错误纠正方法。虽然联合训练 QE 系统与自动后编辑（APE）系统已显示对两项任务均有改进，但 APE 系统仍被认为会过度纠正机器翻译（MT）的输出，导致性能下降。我们研究了一种简单且无需训练的做法——QE 驱动的再翻译，并与另一种同样基于无训练范式的方法进行比较。我们的获胜方法从多个由不同大语言模型生成的候选翻译中选择最高质量的翻译。第二种方法更类似于 APE，通过指示大语言模型替换 QE 解释中指定的错误子串。采用条件启发式方法以最小化编辑次数，旨在最大化编辑收益比。两种提出的方法分别实现了 Delta COMET 分数为 0.0201 和 -0.0108，使第一种方法在子任务排行榜中取得获胜位置。