基于质心的高效最小贝叶斯风险解码

最小贝叶斯风险（MBR）解码通过使用 COMET（一种与人类评估高度相关的神经度量指标），实现了最先进的翻译性能。然而，MBR 解码需要二次时间，因为它需要计算一个翻译假设与所有参考翻译之间的期望分数。我们提出基于质心的 MBR（CBMBR）解码以提高 MBR 解码的速度。我们的方法在特征空间中对参考翻译进行聚类，然后使用每个簇的质心计算分数。实验结果表明，我们的 CBMBR 不仅将期望分数计算的解码速度提高了 5.7 倍，而且在 WMT'22 En$\leftrightarrow$Ja、En$\leftrightarrow$De、En$\leftrightarrow$Zh 和 WMT'23 En$\leftrightarrow$Ja 翻译任务中，翻译质量比原始 MBR 解码最高提升了 0.5 COMET。