探索传统 NMT 模型与大型语言模型在聊天翻译中的应用
计算与语言
2024-09-26 v1 人工智能
摘要
本文介绍了华为翻译服务中心(HW-TSC)参加 WMT24 英德双向聊天翻译共享任务的提交方案。实验涉及使用聊天数据微调模型，并探索了包括最小贝叶斯风险(MBR)解码和自训练在内的多种策略。结果显示在某些方向上取得了显著的性能提升，其中 MBR 自训练方法获得了最佳结果。大型语言模型部分还讨论了聊天翻译领域面临的挑战及未来研究的潜在途径。
引用
@article{arxiv.2409.16331,
title = {Exploring the traditional NMT model and Large Language Model for chat translation},
author = {Jinlong Yang and Hengchao Shang and Daimeng Wei and Jiaxin Guo and Zongyao Li and Zhanglin Wu and Zhiqiang Rao and Shaojun Li and Yuhao Xie and Yuanchang Luo and Jiawei Zheng and Bin Wei and Hao Yang},
journal= {arXiv preprint arXiv:2409.16331},
year = {2024}
}
备注
7 pages, 6 Tables, WMT24