仅使用单语语料消除机器翻译系统的风格偏置
计算与语言
2025-07-21 v1 人工智能
摘要
神经机器翻译（NMT）的出现彻底变革了跨语言间的沟通，但在保持风格细微差异方面仍面临重大挑战。虽然已有方法常需平行语料才能实现风格保留，但我们引入了Babel—a一种 novel 框架，通过仅使用单语语料来增强NMT中的风格保真度。Babel包含两个关键组件：（1）基于语境嵌入的风格检测器，用于识别源文本与目标文本之间的风格差异；（2）基于扩散的风格应用器，在保持语义完整性的同时纠正风格不一致性。我们的框架作为后处理模块集成到现有NMT系统中，无需修改架构或依赖平行风格数据，即可实现风格感知翻译。广泛实验表明，Babel在五个多样化领域（法律、文学、科学写作、医疗和教育内容）上的效果令人满意：其以88.21%的精确率识别风格不一致，并通过保持0.92的高语义相似度得分，提升了风格保真度150%。人类评估确认，Babel优化后的翻译在保留源文本风格的同时，同样保持了流畅性和 adequacy。
引用
@article{arxiv.2507.13395,
title = {Mitigating Stylistic Biases of Machine Translation Systems via Monolingual Corpora Only},
author = {Xuanqi Gao and Weipeng Jiang and Juan Zhai and Shiqing Ma and Siyi Xie and Xinyang Yin and Chao Shen},
journal= {arXiv preprint arXiv:2507.13395},
year = {2025}
}