基于非单调注意力的同步翻译读写策略学习
计算与语言
2025-03-31 v1 人工智能
摘要
同步或流式机器翻译在读取输入流的过程中生成翻译。这些系统面临质量/延迟之间的权衡，旨在以类似于非流式模型的高翻译质量来实现最小延迟。我们提出了一种高效管理此权衡的方法。通过增强一个使用seq2seq机制训练的预训练非流式模型（该模型在质量上达到上限），我们将其转换为流式模型，利用源目标标记之间的对齐。该对齐用于学习可靠翻译生成的最小输入下的读写决策边界。在训练期间，该模型通过读写策略模块学习决策边界，采用对齐点的监督学习（伪标签）。读写策略模块是一个小型二元分类单元，可在推理期间控制质量/延迟权衡。实验结果表明，我们的模型在多个强基准上 outperform，并缩小了与非流式基线模型的差距。
引用
@article{arxiv.2503.22051,
title = {Non-Monotonic Attention-based Read/Write Policy Learning for Simultaneous Translation},
author = {Zeeshan Ahmed and Frank Seide and Zhe Liu and Rastislav Rabatin and Jachym Kolar and Niko Moritz and Ruiming Xie and Simone Merello and Christian Fuegen},
journal= {arXiv preprint arXiv:2503.22051},
year = {2025}
}