不要改变我：神经机器翻译中实体无修改迁移的多语言视角研究
计算与语言
2025-05-12 v1
摘要
当前的机器翻译模型在大多数场景下能提供高质量的输出。然而，它们仍然面临一些特定问题，例如检测哪些实体在翻译过程中不应被改变。在本文中，我们探讨了流行的神经机器翻译（NMT）模型在英语、德语、波兰语和乌克兰语这四种语言之间进行翻译时，保留诸如 URL 地址、IBAN 号码或电子邮件等实体的能力，这些模型包括来自 OPUS 项目、Google Translate、MADLAD 和 EuroLLM 的模型。我们研究了这些流行 NMT 模型在准确性方面的质量，讨论了模型所犯的错误，并分析了错误的原因。我们的分析突显了特定类别，例如表情符号，对许多被考虑的模型构成了重大挑战。除了分析之外，我们还提出了一个新的多语言合成数据集，包含 36,000 个句子，有助于评估跨九个类别和上述四种语言的实体迁移质量。
引用
@article{arxiv.2505.06010,
title = {Do Not Change Me: On Transferring Entities Without Modification in Neural Machine Translation -- a Multilingual Perspective},
author = {Dawid Wisniewski and Mikolaj Pokrywka and Zofia Rostek},
journal= {arXiv preprint arXiv:2505.06010},
year = {2025}
}
备注
Accepted at MTSummit 2025 (The 20th Machine Translation Summit)