面向语篇级文学翻译的上下文感知与风格相关增量解码框架
人工智能
2024-10-01 v2
摘要
本报告概述了我们针对WMT24语篇级文学翻译任务的方法，重点关注受限赛道中的中英语言对。翻译文学文本带来了重大挑战，因为此类作品具有微妙的含义、习惯用语和复杂的叙事结构。为了应对这些挑战，我们利用了Chinese-Llama2模型，并通过连续预训练(CPT)和监督微调(SFT)的结合专门针对此任务进行了增强。我们的方法包括一个新颖的增量解码框架，该框架确保每个句子的翻译都考虑到其更广泛的上下文，从而在整个文本中保持连贯性和一致性。这种方法允许模型捕获长距离依赖和风格元素，产生忠实保留原始文学质量的翻译。我们的实验表明，在句子级和文档级BLEU分数上都有显著提高，突显了我们提出的框架在解决文档级文学翻译复杂性方面的有效性。
引用
@article{arxiv.2409.16539,
title = {Context-aware and Style-related Incremental Decoding framework for Discourse-Level Literary Translation},
author = {Yuanchang Luo and Jiaxin Guo and Daimeng Wei and Hengchao Shang and Zongyao Li and Zhanglin Wu and Zhiqiang Rao and Shaojun Li and Jinlong Yang and Hao Yang},
journal= {arXiv preprint arXiv:2409.16539},
year = {2024}
}
备注
7 pages, 2 figures, wmt24