大语言模型在古典中文诗歌翻译中的应用：基准测试、评估与改进
计算与语言
2024-12-31 v4 人工智能
摘要
与传统翻译任务不同，古典中文诗歌翻译要求在翻译具有文化和历史意义的内容时既准确又流畅，同时保持语言诗意优雅。具有出色多语言能力的大语言模型（LLMs）可能为实现这一极端翻译需求带来希望。本文首先引入了一个合适的基准（PoetMT），其中每首中文诗歌都有一个公认的优雅翻译。同时，我们提出了一种基于GPT-4的新指标，用于评估当前LLMs在多大程度上能够满足这些需求。我们的实证评估表明，现有LLMs在这一具有挑战性的任务上表现不足。因此，我们提出了一种检索增强机器翻译（RAT）方法，将与古典诗歌相关的知识融入LLMs的中文诗歌翻译中。实验结果表明，RAT在广泛使用的BLEU、COMET、BLEURT、我们提出的指标以及人工评估方面始终优于所有对比方法。
引用
@article{arxiv.2408.09945,
title = {Large Language Models for Classical Chinese Poetry Translation: Benchmarking, Evaluating, and Improving},
author = {Andong Chen and Lianzhang Lou and Kehai Chen and Xuefeng Bai and Yang Xiang and Muyun Yang and Tiejun Zhao and Min Zhang},
journal= {arXiv preprint arXiv:2408.09945},
year = {2024}
}
备注
Work in progress