多视角对齐提高神经机器翻译的自然性

神经机器翻译系统放大了训练数据中存在的词汇偏见，导致输出翻译的人工语言变得贫乏。这些语言层面的特征使自动翻译与最初用某种语言撰写的文本和人类翻译不同，这会阻碍其在例如创建评估数据集方面的实用性。尝试提高神经机器翻译自然性的做法在内容保真度方面可能不足，其中增加的词汇多样性以牺牲翻译准确度为代价。灵感来自从人类反馈中进行强化学习框架，我们引入一种新方法，既奖励自然性又奖励内容保真。我们实验了多种视角以产生更自然的翻译，旨在减少机器和人类翻译语。我们在英语到荷兰文文学翻译上进行评估，发现我们的最佳模型产生的翻译在词汇丰富性方面更优，并展现出更类似人类书面语言的特征，而不会损失翻译准确度。