CometKiwi：IST-Unbabel 面向质量估计共享任务的 2022 年提交方案
计算与语言
2022-09-15 v1 机器学习
摘要
我们介绍了 IST 与 Unbabel 联合为 WMT 2022 质量估计（QE）共享任务所做的贡献。我们的团队参与了全部三个子任务：（i）句子与词级质量预测；（ii）可解释 QE；以及（iii）关键错误检测。对于所有任务，我们构建于 COMET 框架之上，将其与 OpenKiwi 的预测器-估计器架构相连接，并为其配备词级序列标注器与解释提取器。我们的结果表明，在预训练期间引入参考译文可提升多种语言对在下游任务上的表现，且联合使用句子级与词级目标进行训练可带来进一步的提升。此外，结合注意力与梯度信息被证明是提取句子级 QE 模型良好解释的最佳策略。总体而言，我们的提交方案以显著优势在几乎所有语言对上取得了三个任务的最佳结果。
引用
@article{arxiv.2209.06243,
title = {CometKiwi: IST-Unbabel 2022 Submission for the Quality Estimation Shared Task},
author = {Ricardo Rei and Marcos Treviso and Nuno M. Guerreiro and Chrysoula Zerva and Ana C. Farinha and Christine Maroti and José G. C. de Souza and Taisiya Glushkova and Duarte M. Alves and Alon Lavie and Luisa Coheur and André F. T. Martins},
journal= {arXiv preprint arXiv:2209.06243},
year = {2022}
}
备注
WMT 2022 Quality Estimation shared task