追逐 COMET：利用最小贝叶斯风险解码实现机器翻译自我提升
计算与语言
2024-05-21 v1 人工智能
机器学习
摘要
本文探讨了最小贝叶斯风险(MBR)解码在机器翻译(MT)中的自我改进应用，特别是针对领域适应和低资源语言。我们通过对其MBR解码的前向翻译进行微调来实现自我改进过程。采用 COMET 作为 MBR 效用指标，以实现与人类偏好更匹配的翻译重新排序。本文探索了该方法的迭代应用以及针对语言特定的 MBR 效用指标需求。结果显示，针对所有所检验的语言对，翻译质量均取得显著提升，包括成功应用于领域适应模型和对低资源环境的泛化。这突显了 COMET 引导的 MBR 在各种场景下高效 MT 自我改进的潜力。
引用
@article{arxiv.2405.11937,
title = {Chasing COMET: Leveraging Minimum Bayes Risk Decoding for Self-Improving Machine Translation},
author = {Kamil Guttmann and Mikołaj Pokrywka and Adrian Charkiewicz and Artur Nowakowski},
journal= {arXiv preprint arXiv:2405.11937},
year = {2024}
}
备注
EAMT 2024