一篇新的研究论文发现，用于机器翻译的质量评估（QE）指标存在系统性偏差。即使翻译质量很高，这些指标也倾向于过度预测较长翻译中的错误。此外，一些指标偏好较短的翻译，而另一些则偏好较长的翻译，而与实际质量无关。这种长度偏差可能会对数据过滤和系统优化等下游流程产生负面影响。研究人员提出了一种在训练过程中进行长度归一化的技术，以将错误预测与翻译长度分离开来。 AI
影响 凸显了自动评估指标中潜在的不准确性，影响了机器翻译系统和数据选择流程的可靠性。
排序理由 该集群包含一篇详细介绍AI/ML特定技术问题的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
