从固定到自适应：将事后评估整合入同声机器翻译
计算与语言
2022-10-24 v1 人工智能
摘要
同声机器翻译（SiMT）在读完整个源句之前便开始翻译，并采用固定或自适应策略来生成目标句。相较于固定策略，自适应策略通过采用灵活的翻译策略实现了更好的延迟-质量权衡。若策略能在采取行动前评估合理性，则错误行动的概率也会降低。然而，以往方法缺乏在采取行动前对行动的评估。本文中，我们提出一种通过将事后评估整合入固定策略来实现自适应策略的方法。具体而言，每当生成候选 token 时，我们的模型将通过度量源内容的变化来评估下一行动的合理性。随后，模型将依据评估结果采取不同行动。在三个翻译任务上的实验表明，我们的方法在所有延迟下均能超越强基线。
引用
@article{arxiv.2210.11900,
title = {Turning Fixed to Adaptive: Integrating Post-Evaluation into Simultaneous Machine Translation},
author = {Shoutao Guo and Shaolei Zhang and Yang Feng},
journal= {arXiv preprint arXiv:2210.11900},
year = {2022}
}
备注
Accept to EMNLP 2022. 15 pages, 6 figures