从手工特征到大语言模型:机器翻译质量评估简明综述
计算与语言
2024-10-29 v2
摘要
机器翻译质量评估(MTQE)旨在无需参考译文的条件下实时估计机器翻译文本的质量,对机器翻译的发展具有重要意义。经过二十年的演进,质量评估(QE)已产出了丰硕的成果。本文对 QE 数据集、标注方法、共享任务、方法体系、面临的挑战以及未来研究方向进行了全面综述。首先介绍 QE 的背景与意义,随后阐释词级 QE、句级 QE、文档级 QE 以及可解释 QE 的概念与评价指标。本文将 QE 发展历程中所提出的方法划分为基于手工特征的方法、基于深度学习的方法以及基于大语言模型(LLM)的方法,并进一步将基于深度学习的方法细分为经典深度学习方法与融合预训练语言模型(LM)的方法。此外,本文详细分析了各类方法的优势与局限,并对不同方法进行了直观比较。最后,本文讨论了 QE 研究当前面临的挑战,并对未来研究方向进行了展望。
引用
@article{arxiv.2403.14118,
title = {From Handcrafted Features to LLMs: A Brief Survey for Machine Translation Quality Estimation},
author = {Haofei Zhao and Yilun Liu and Shimin Tao and Weibin Meng and Yimeng Chen and Xiang Geng and Chang Su and Min Zhang and Hao Yang},
journal= {arXiv preprint arXiv:2403.14118},
year = {2024}
}
备注
Accepted by IJCNN 2024