PulseAugur
中
实时 10:29:02
English(EN) When the Knowledge Base Becomes the Gold Standard: Measuring Resource-Shared Evaluation Loops in Entity-Level Machine Translation

研究论文指出机器翻译中的自指评估

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文探讨了在实体级机器翻译中使用知识库作为黄金标准代理时可能发生的自指评估循环，特别是在低资源的历史领域。研究发现，相当一部分翻译，尤其是人名翻译，受到注入系统的知识库的影响，而不是独立评估。这种重叠人为地提高了翻译质量得分，掩盖了模型的真实性能，并表明从知识库注入中报告的收益通常是对先前性能的补充，而不是翻译能力的真正提高。 AI

影响 强调了评估机器翻译模型的潜在缺陷，尤其是在专业领域，影响了模型性能的评估方式。

排序理由 学术论文，详细介绍了机器翻译的一种新颖评估方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究论文指出机器翻译中的自指评估

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Jinhyung Bae, Dain Kil, Seongmin Oh, Seungmin Lee ·

    当知识库成为黄金标准：衡量实体级机器翻译中资源共享的评估循环

    arXiv:2608.11843v1 Announce Type: new Abstract: The Seungjeongwon Ilgi, a UNESCO Memory of the World record, is only 37.4% translated, and the most conspicuous failure mode in automatic translation is the person name -- a misread name corrupts the historical fact rather than mere…

相关话题