CompactQE：通过小型开放权重 LLM 实现可解释的翻译质量评估
计算与语言
2026-05-18 v1 人工智能
摘要
当前最先进的机器翻译质量评估（QE）依赖于庞大的、专有的 LLM，这引发了数据隐私问题。我们证明了较小的、开源的 LLM（<30B 参数）是一种可行的、具有成本效益且保护隐私的替代方案。使用单次提示策略，我们的模型同时生成质量分数、MQM 错误注释、建议的错误更正以及完整的译后编辑。我们的分析表明，这些模型在系统级与人类判断的相关性上实现了极具竞争力的表现，超越了传统的神经指标、微调模型和人类注释者间的一致性，有效地逼近了更大专有 LLM 的能力。
引用
@article{arxiv.2605.15763,
title = {CompactQE: Interpretable Translation Quality Estimation via Small Open-Weight LLMs},
author = {Kamil Guttmann and Zofia Fraś and Artur Nowakowski and Krzysztof Jassem},
journal= {arXiv preprint arXiv:2605.15763},
year = {2026}
}