Charles Translator: Ein maschinelles Übersetzungssystem zwischen Ukrainisch und Tschechisch
Charles Translator ist ein maschinelles Übersetzungssystem, das direkt zwischen Ukrainisch und Tschechisch übersetzt, um die Kommunikation zwischen ukrainischen Flüchtlingen und der tschechischen Gesellschaft zu erleichtern.
Wie könnten wir bessere mehrsprachige LLMs haben, wenn Englisch nicht die zentrale Sprache wäre?
Die Leistung mehrsprachiger Sprachmodelle hängt nicht nur von der Trainingsdatengröße ab, sondern auch von der Wahl der zentralen Sprache. Andere Sprachen als Englisch könnten möglicherweise eine effizientere Grundlage für mehrsprachige Anwendungen bieten.
Effizientes feintunieren von sprachmodellen für maschinelle übersetzung von ressourcenarmen sprachen
Verschiedene parameter-effiziente feinabstimmungsmethoden (PEFT) können die übersetzungsgenauigkeit für ressourcenarme sprachen bei minimalem ressourcenverbrauch verbessern.
Verbesserung der Übersetzungsleistung von Großsprachmodellen durch Anti-LM-Decodierung für Zero-Shot-In-Context-Übersetzung
Eine Anti-LM-Decodierung mit exponentiellem Abklingen verbessert die Übersetzungsleistung von Großsprachmodellen in Zero-Shot-Szenarien deutlich, insbesondere bei Fällen, in denen das Modell die Ausgangssprache anstelle der Zielsprache generiert.
Systematischer Vergleich verschiedener Methoden zum Abrufen von Beispielen aus dem Speicher für retrieval-basierte neuronale Maschinelle Übersetzung
Verschiedene Methoden zum Abrufen von Übersetzungsbeispielen aus einem Übersetzungsspeicher werden systematisch untersucht und ihre Auswirkungen auf die Übersetzungsleistung verschiedener neuronaler Übersetzungsarchitekturen analysiert.
Referenzfreie Bewertung der maschinellen Übersetzung durch Verwendung eines gleitenden Dokumentenfensters
Der Einsatz von Kontextinformationen aus dem Quelltext kann die Leistung von referenzfreien Bewertungsmetriken für maschinelle Übersetzung deutlich verbessern und sogar das Niveau referenzbasierter Metriken erreichen.
Große Sprachmodelle revolutionieren die maschinelle Übersetzung: Neue Möglichkeiten und Herausforderungen
Große Sprachmodelle wie GPT-4 eröffnen neue Möglichkeiten für die maschinelle Übersetzung, wie z.B. Übersetzung langer Dokumente, stilisierte Übersetzung und interaktive Übersetzung. Gleichzeitig bringen sie neue Herausforderungen wie Datenschutz mit sich, die es zu adressieren gilt.
Approximation der wahren Verteilung bei der Minimum-Bayes-Risiko-Decodierung: Eine empirische Untersuchung
Die Leistung der Minimum-Bayes-Risiko-Decodierung hängt davon ab, wie gut die Stichproben die wahre Verteilung der Referenzübersetzungen approximieren.
Analyse des Trimmen des BPE-Vokabulars in neuronaler maschineller Übersetzung
Das Trimmen des BPE-Vokabulars hat in den meisten Fällen keine positiven Auswirkungen auf die Leistung des Übersetzungsmodells und kann sogar zu erheblichen Leistungseinbußen führen.
Sāmayik: Ein Benchmark-Datensatz für die Übersetzung vom Englischen ins Sanskrit
Sāmayik ist ein Datensatz mit rund 53.000 parallelen Englisch-Sanskrit-Sätzen, der die zeitgenössische Verwendung des Sanskrit in Prosa abdeckt. Der Datensatz überwindet die Beschränkung bestehender Korpora, die sich hauptsächlich auf Poesie und klassische Literatur konzentrieren.
© 2024 by Linnk AI