无需文本：从生育率和元数据预测机器翻译质量与不平等
计算与语言
2026-03-04 v2 人工智能
摘要
我们展示了在翻译系统本身运行之前，仅凭少量特征即可准确预测翻译质量。这些特征包括词汇生育率比例、词汇计数以及基本语言元数据（语言族、书写系统和地区）。我们能够在FLORES-200基准测试中，对203种语言的GPT-4o翻译预测ChrF分数。梯度提升模型在XX→English的，以及English→XX的方差解释度表现优异。特征重要性分析揭示，语言类型因素在预测翻译到英文方面占主导地位，而生育率在预测翻译到多样化目标语言方面作用更大。这些发现表明，翻译质量受词汇级别的生育率以及更广泛的语言类型共同塑造，为多语言评估和质量估计提供了新的见解。
引用
@article{arxiv.2509.05425,
title = {No Text Needed: Forecasting MT Quality and Inequity from Fertility and Metadata},
author = {Jessica M. Lundin and Ada Zhang and David Adelani and Cody Carroll},
journal= {arXiv preprint arXiv:2509.05425},
year = {2026}
}