通过二分搜索学习同步机器翻译的最优策略
计算与语言
2023-05-30 v3
摘要
同步机器翻译（SiMT）在读入源句的同时开始输出译文，需要精确的策略来决定何时输出已生成的翻译。因此，该策略决定了每个目标词翻译过程中读入的源 token 数量。然而，由于不存在与平行句对应的作为显式监督的黄金策略，难以学习精确的翻译策略以实现良好的延迟-质量权衡。本文中，我们提出一种通过二分搜索在线构造最优策略的新方法。通过采用显式监督，我们的方法使 SiMT 模型能够学习最优策略，从而在推理时引导模型完成翻译。在四个翻译任务上的实验表明，我们的方法在所有延迟场景下均能超越强基线。
引用
@article{arxiv.2305.12774,
title = {Learning Optimal Policy for Simultaneous Machine Translation via Binary Search},
author = {Shoutao Guo and Shaolei Zhang and Yang Feng},
journal= {arXiv preprint arXiv:2305.12774},
year = {2023}
}
备注
Accepted to ACL 2023. 14 pages, 5 figures