新的 AlphaMWE 语料库揭示了大型语言模型在多词表达式翻译中的盲点

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了 AlphaMWE 语料库，用于测试大型语言模型（LLMs）在机器翻译方面的能力，特别关注多词表达式（MWEs）。该研究评估了 31 个不同语言对的机器翻译系统，包括英语到中文、波兰语、德语以及几种阿拉伯语方言。使用 BLEU 和 BERT-score 等指标进行的自动评估，以及后续的人工评估，都揭示了比喻性语言和多词表达式仍然是大型语言模型的挑战，并且汇总分数可能会掩盖特定语言的错误。 AI

影响强调了大型语言模型在细微语言翻译方面持续面临的挑战，并指出了未来模型开发的领域。

排序理由该条目是一篇研究论文，详细介绍了新的语料库和对大型语言模型在机器翻译任务中表现的评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇研究论文，详细介绍了新的语料库和对大型语言模型在机器翻译任务中表现的评估。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Lifeng Han, Jiahui Liang, Anna Latusek, Karim El Haff, Amal Haddad Haddad, Josua H\"ofgen, Kilian Evang, Min Ma, Maryia Zhyrko · 2026-09-10 04:00

留心差距：使用 AlphaMWE 多语言平行语料库揭示 LLM 翻译的盲点

arXiv:2609.06634v1 Announce Type: cross Abstract: LLMs' performance on machine translation (MT) tasks is often dependent on the data availability in the specific domains and language pairs that they are trained upon. To examine if Multiword Expressions (MWEs) still set a bottlene…

本文如何被排名

报道来源 [1]

留心差距：使用 AlphaMWE 多语言平行语料库揭示 LLM 翻译的盲点

相关实体

相关话题