GrammaMT：利用语法信息的零样本学习改进机器翻译
计算与语言
2025-06-03 v2
摘要
我们介绍 GrammaMT，这是一种基于语法的提示方法，用于机器翻译，该方法使用 Interlinear Glossed Text（IGT），这是一种常见的语言描述形式，提供源句子的形态学和词汇注释。GrammaMT 提出了三种提示策略：gloss-shot、chain-gloss 和 model-gloss。所有策略都是训练-free 的，仅需少量涉及最小收集 effort 的示例，使其特别适用于低资源场景。实验表明，GrammaMT 在开源指令调优 LLM 上，针对各种低到高资源语言在三个基准上提升了翻译性能：（1）最大的 IGT 语料库，（2）2023 年 SIGMORPHON 共享任务数据中的有挑战性的濒卫语言数据，（3）甚至在 FLORES 的域外设置中。此外，消融研究表明，如果 LLM 准确地生成或访问输入句子的 gloss 信息，利用 gloss 资源可显著提升机器翻译性能（提升超过17个 BLEU 分数）。
引用
@article{arxiv.2410.18702,
title = {GrammaMT: Improving Machine Translation with Grammar-Informed In-Context Learning},
author = {Rita Ramos and Everlyn Asiko Chimoto and Maartje ter Hoeve and Natalie Schluter},
journal= {arXiv preprint arXiv:2410.18702},
year = {2025}
}
备注
Accepted at ACL 2025