ニューラル機械翻訳

ニューラル機械翻訳のための最小ベイズリスク復号を用いた直接的な好みの最適化

最小ベイズリスク(MBR)復号は多言語大規模言語モデル(MLLM)の翻訳性能を大幅に向上させることができる。しかし、MBR復号は計算コストが高い。我々は最近開発された強化学習手法である直接的な好みの最適化(DPO)を使って、MBRの利点を得ることなく追加の計算を必要としないようにMLLMを微調整する方法を示す。我々の手法は少量の単言語微調整セットのみを使用し、複数のNMTテストセットでベースラインのMLLMよりも大幅に優れた性能を示す。

異なるモデリングコンテキストを活用したニューラル機械翻訳の協調学習

低リソース言語のニューラル機械翻訳の向上

ニューラル機械翻訳のための最小ベイズリスク復号を用いた直接的な好みの最適化