翻译意义而非仅词语：IdiomKB 在利用语言模型优化习语翻译中的作用
计算与语言
2023-12-27 v2
摘要
为了翻译得好，机器翻译（MT）系统和通用语言模型（LMs）需要深度理解源语言与目标语言及其文化。因此，习语因其非组合性给基于 Transformer 的系统带来了特殊挑战，因为字面翻译常常遗漏预期含义。传统方法利用现有知识库（KBs）替换习语，往往缺乏规模与上下文感知能力。针对这些挑战，我们的方法优先考虑上下文感知与可扩展性，允许以可控的 KB 规模离线存储习语。这确保了使用较小模型的高效服务，并提供了对习语表达的更全面理解。我们引入了一个利用大型 LMs 开发的多语言习语 KB（IdiomKB）来解决此问题。该 KB 通过检索习语的引申含义，助力 BLOOMZ（7.1B）、Alpaca（7B）和 InstructGPT（6.7B）等较小模型实现更好的翻译。我们提出了一种由 GPT-4 驱动的、与人类对齐评估的新指标，表明 IdiomKB 显著提升了模型性能。人工评估进一步验证了我们的 KB 的质量。
引用
@article{arxiv.2308.13961,
title = {Translate Meanings, Not Just Words: IdiomKB's Role in Optimizing Idiomatic Translation with Language Models},
author = {Shuang Li and Jiangjie Chen and Siyu Yuan and Xinyi Wu and Hao Yang and Shimin Tao and Yanghua Xiao},
journal= {arXiv preprint arXiv:2308.13961},
year = {2023}
}
备注
Accepted to AAAI 2024