VolcTrans 系统参加 WMT22 多语言机器翻译任务
计算与语言
2022-10-24 v1
摘要
本报告描述了我们面向 WMT22 大规模多语言机器翻译共享任务的 VolcTrans 系统。我们参与了允许使用外部资源的无约束赛道。我们的系统是一个基于 Transformer 的多语言模型，训练数据来自多个来源，包括数据赛道提供的公共训练集、Meta AI 提供的 NLLB 数据、自行收集的平行语料库，以及回译得到的伪双语文本。一系列启发式规则用于清洗双语和单语文本。在官方测试集上，我们的系统在所有语言对上的平均 BLEU、spBLEU 和 chrF2++ 分别达到 17.3、21.9 和 41.9。使用单块 Nvidia Tesla V100 GPU 的平均推理速度为每秒 11.5 句。我们的代码和训练模型可在 https://github.com/xian8/wmt22 获取。
引用
@article{arxiv.2210.11599,
title = {The VolcTrans System for WMT22 Multilingual Machine Translation Task},
author = {Xian Qian and Kai Hu and Jiaqiang Wang and Yifeng Liu and Xingyuan Pan and Jun Cao and Mingxuan Wang},
journal= {arXiv preprint arXiv:2210.11599},
year = {2022}
}
备注
WMT 2022, 8 pages