Die Studie untersucht, ob Vortrainierte Sprachmodelle für Übersetzungstechniken trainiert werden können, um diese für den Übersetzungsprozess vorherzusagen. Es werden zwei Szenarien betrachtet: Übersetzung von Grund auf und Post-Editing.
Für die Übersetzung von Grund auf erreichen die Modelle eine Genauigkeit von 82%. Für den Post-Editing-Prozess zeigen die Modelle sogar noch größeres Potenzial mit einer Genauigkeit von 93%.
Die Ergebnisse zeigen, dass die Vorhersage von Übersetzungstechniken eine vielversprechende Möglichkeit ist, um die Qualität maschineller Übersetzungen weiter zu verbessern. Die Techniken können als Leitfaden für den menschlichen Übersetzungsprozess dienen und als Anregung für Sprachmodelle zur Generierung hochqualitativer Übersetzungen genutzt werden.
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Fan Zhou,Vin... às arxiv.org 03-22-2024
https://arxiv.org/pdf/2403.14454.pdfPerguntas Mais Profundas