基于定制参考的同步机器翻译

同步机器翻译（SiMT）在读取整个源句的同时生成译文。然而，现有的 SiMT 模型通常忽略不同延迟下可用源信息的差异，使用相同的参考进行训练。在低延迟下使用真实译文（ground-truth）训练模型可能会引入强制预测，而在高延迟下使用与源词序一致的参考则会导致性能下降。因此，使用恰当的参考训练 SiMT 模型至关重要，该参考应在训练过程中避免强制预测，同时保持高质量。本文提出一种新方法，通过改写真实译文，为在不同延迟下训练的 SiMT 模型提供定制参考。具体而言，我们引入由强化学习诱导的定制器（tailor），将真实译文修改为定制参考。SiMT 模型使用定制参考进行训练，并与定制器联合优化以提升性能。重要的是，我们的方法适用于当前广泛的 SiMT 方法。在三个翻译任务上的实验表明，我们的方法在固定和自适应策略下均达到了最先进的性能。