★ 3
研究提出 RATE 协议：机器翻译准确度已超人类但流畅度仍落后
论文指出 MQM、ESA 等现有机器翻译评估标准存在标注者水平不一、分类过繁、严重度粒度粗、偏重准确度等问题。作者构建 WMT24 英俄翻译的专业语言学家高质量评测数据集，并提出 RATE 协议，采用精简错误分类、扩展严重度与多维评分。分析显示当前最优机器翻译系统在准确度上可能已超越人类译文，但流…
arXiv NLP6 天前
#机器翻译
共 21 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
研究系统评测 LLM 机器翻译评估器并推出 ORBIT
论文系统研究指令设计、少样本示例、基座模型选择与多步流程如何影响机器翻译评估，并在 WMT24/25 英俄翻译上收集专家 RATE 标注。四项稳健发现包括：指令结构影响评估器行为、高质量示例比数量更重要、不同基座呈现不同评估倾向、融合多基座输出优于单模型多次调用。作者据此推出 ORBIT 评估器家…
arXiv NLP6 天前
★ 3
SRAT：选择性检索增强机器翻译的智能体强化学习
论文提出选择性检索增强翻译（SRAT），一个智能体强化学习框架，学习何时直接翻译或检索、检索什么以及如何整合决策以优化最终翻译质量。研究还开发了联合 Plackett-Luce 优化和翻译质量对比训练。在习语、知识密集和文档级翻译任务上，SRAT 持续优于从不检索和始终检索的基线。
arXiv NLP18 天前
★ 3
研究：大模型做机器翻译质量标注仍难敌人类
论文评估大语言模型在机器翻译质量评估中的表现，覆盖 MQM 与 ESA 两种主流标注方案。结果显示，尽管 LLM 被视为更高效廉价的替代方案，但在与人类标注的一致性上仍面临挑战，跨语言对和细粒度标注场景下尤为明显。
Apple Machine Learning Research21 天前
★ 3
研究：LLM 做机器翻译质量标注仍不可靠
论文在 70 个语对的长上下文测试集及 WMT23/WMT25 数据上，评估 LLM 在 MQM 与 ESA 两种机器翻译质量评估方案中与人类标注者的一致性。结果显示 LLM 与人类一致性在部分任务上超过人类之间的一致性，但跨方案、语对与领域波动很大，多数场景仍不可靠；人类在细粒度 MQM 与低资…
arXiv NLP24 天前
★ 3
Cohere发布North Small Translate翻译模型
Cohere推出North Small Translate，一款218B参数的MoE开源翻译模型，支持50种语言，在WMT26评测中得分83.6。权重对非商业用途免费，商业使用需通过Cohere Model Vault或RWS Language Weaver。
MarkTechPost51 天前
★ 2
EDWARD-NMT：自适应路由弹性维度稀疏 MoE 翻译架构
论文提出 EDWARD-NMT，一种面向「一次训练、随处部署」的 MoE 编码器-解码器架构，可在推理时暴露多个可部署子网络。其创新包括 Matryoshka 式弹性维度、带学习阈值的自适应 sigmoid 路由，以及双一致性目标。在 PhoMT、WMT-14、OPUS-16 等基准上，全容量架构…
arXiv NLP7 天前
★ 2
GLOSS-MT：可编辑词典实现低资源机器翻译可控
论文提出 GLOSS-MT，用离线英-契维语词典就地替换源语名词短语，再一次性微调翻译模型处理混合输入，从而低成本加入术语可控性。在 NLLB-200、OPUS-MT 与 TranslateGemma 4B 上，所有微调版本 chrF2 均高于基座，三个 NLLB 微调成为最佳开源系统。替换词典条…
arXiv NLP13 天前
★ 2
RareCipherFT 提出密文训练法提升稀有语种术语翻译
论文提出 RareCipherFT 方法，通过在上下文示例与参考译文中将稀有术语替换为字符打乱的密文，迫使模型只能从上下文中复制该术语，从而强化上下文术语学习（ICTL）能力。在英语与泰米尔语、阿萨姆语、米佐语、尼泊尔语、豪萨语七个翻译方向、1B 至 7B 四个模型上，术语召回率较标准 IC-Tr…
arXiv NLP13 天前
★ 2
arXiv 提出多语言常识翻译源对比诊断方法
论文针对多语言推理基准中翻译前提可能失真问题，提出源条件对比诊断：反转英文极性后分别翻译，统计目标端输出碰撞。在 71 组问题、5 种目标语言上，斯瓦希里语在 710 对中出现 63/113/67 次完全碰撞，说明至少一侧翻译不忠实。研究为多语言基准质量审核提供可控测量手段。
arXiv NLP13 天前
★ 2
研究：混元-MT-7B 可作 GPT-4 开源替代做风格化翻译
一篇 arXiv 论文评估腾讯混元-MT-7B 能否替代 RASTA 框架中依赖的闭源 GPT-4，实现保留语言风格的机器翻译。结果显示微调并未可靠提升风格对齐，开源模型在正式度上落后，但在亲密度和中文方向上可持平或超过 GPT-4。作者认为基于开源模型的 RASTA 流水线在部分场景已可行。
arXiv NLP13 天前
★ 2
alkhder 用 QLoRA 微调 NileChat-3B 做英译阿拉伯方言对话
论文介绍 AlexandriaX-2026 共享任务子任务 1 的参赛系统，目标是把英语对话轮次翻译成 13 种阿拉伯方言。团队用 QLoRA 在 Alexandria 平行对话语料上微调 NileChat-3B-Base，一套适配器权重覆盖全部方言，并以目标国家、方言、领域、角色、性别方向及前文…
arXiv NLP14 天前
★ 2
研究：塔加洛语分词形态正确性影响有限
研究通过打乱语素对照实验，检验形态学正确性对分词的实际贡献。作者构建 MorphAustro-Tok 分词器，将词根作为连续单元并附加中缀标记，在 33 次运行中较 BPE 基线提升塔加洛语机器翻译 0.84 至 3.40 chrF++ 分。但打乱分析带来的差异小于种子间波动，说明该规模下形态正确…
arXiv NLP17 天前
★ 2
Bengali 敬语分配偏见基准：LLM 翻译中的尊重分配
研究者提出针对英语-孟加拉语翻译的敬语分配偏见基准，包含 2016 个句子、72 种职业，衡量 LLM 如何分配尊重等级。结果显示职业对敬语选择的影响远大于性别，九个模型的敬语偏见分数从 19.9 到 70.1 不等。
arXiv NLP19 天前
★ 2
Nheengatu 机器翻译：开放系统与可复现语料管线
研究者为亚马逊通用语 Nheengatu（约 6000-10000 名使用者）构建了迄今最大的 1.45 万对葡萄牙语-Nheengatu 平行语料，以 2023 年巴西联邦宪法官方译本为锚，并发布首个基于转写口语的评测集与首个双向开放权重翻译模型。葡译 Nheengatu 在宪法文本上达 31.…
arXiv NLP19 天前
★ 2
阿姆哈拉语-英语跨语言问答系统：统计机器翻译与语义索引
论文提出双向阿姆哈拉语-英语跨语言问答系统，整合统计机器翻译、最大熵命名实体识别与语义索引，让用户用任一种语言提问并从另一种语言文档中检索答案。阿姆哈拉语到英语检索精确率 72%、召回率 79%，英语到阿姆哈拉语为 65% 和 70%，显示低资源条件下模块化架构仍有效。
arXiv NLP19 天前
★ 2
僧伽罗语到英语机器翻译幻觉检测框架
研究者针对僧伽罗语到英语低资源翻译中的幻觉问题，提出无参考幻觉检测框架，构建了 4.5 万样本合成数据集。微调的 mDeBERTa-v3 在令牌级 F1 达 0.841，三信号集成在句子级 AUROC 达 0.970。基准测试显示八种 NMT 系统的检测触发率相差一个数量级。
arXiv NLP24 天前
★ 2
医疗人员机器翻译风险意识研究：以缩写为例
英国公共医疗人员常使用谷歌翻译等机器翻译与患者沟通，但对其高风险场景下的风险认知研究有限。研究以医学缩写为用例，向21名不同岗位的医护人员展示经谷歌翻译处理的法语和西班牙语临床语料，通过半结构化访谈和定性分析考察其风险意识。结果揭示医护人员对机器翻译在患者病历等高风险场景中的潜在危害认识不足。
arXiv cs.AI28 天前
★ 2
开源AI翻译栈：多提供商目录翻译工具
GitHub 上出现一个名为 AI-Translation-Stack 的开源项目，提供独立于 Web 框架的本地化目录翻译引擎。它支持 OpenAI、Claude、DeepSeek、GLM、Grok、Gemini 等多家提供商，具备术语表感知、翻译记忆、语义检索与分块检查点等能力。项目通过 ne…
Hacker News – AI52 天前
★ 1
arXiv 论文用 IndicTrans2 微调实现马拉地语跨语言摘要
论文从马拉地语单语 MahaSum 语料构建跨语言训练数据，结合较小的 PMIndiaSum 数据集微调 IndicTrans2 翻译模型，主要评估马拉地语到英语摘要。实验表明，利用预训练翻译模型的效果显著优于此前基于 IndicBART 与 mBART-50 的基线。
arXiv NLP3 天前
★ 1
研究：NLLB 微调在西西里语翻译上远胜小 Transformer
研究者重建西西里语神经机器翻译系统，从双语期刊 Arba Sicula 的 PDF 中抽取平行语料，并对比从零训练的小 Transformer 与低秩微调的 NLLB 预训练模型。结果显示预训练模型明显更优，分阶段训练对译入西西里语提升更大，但多语适配器会损害未训练方向。
arXiv NLP10 天前