PulseAugur
实时 06:24:16

新的G^2C-MT方法使用图来改进文档翻译

研究人员开发了一种名为G^2C-MT的文档级机器翻译新方法,该方法使用一个轻量级图来建模语篇依赖关系。该方法将段落表示为图中的节点,节点之间的关系基于语义相似性、邻近性和关键词重叠。通过在图上进行深度偏置随机游走来采样上下文路径,以提示大型语言模型进行翻译,从而提高了在各种领域和LLM上的准确性和鲁棒性。 AI

影响 引入了一种新颖的基于图的方法来改进文档级机器翻译中的上下文选择,有可能提高LLM在复杂文本上的性能。

排序理由 介绍一种新颖机器翻译方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Baijun Ji, Zixuan Zhou, Xiangyu Duan, Yu Liu, Longbo Sun, Rupu Wei, Bohong Zhao ·

    G^2C-MT:用于文档级机器翻译的图引导上下文选择

    arXiv:2606.03078v1 Announce Type: new Abstract: Effective document-level machine translation (DocMT) requires capturing long-range discourse dependencies. Recent work has explored retrieval-based and discourse-aware context selection. However, these approaches often lack an expli…