MetricX-24

研究论文揭示机器翻译质量评估指标中的长度偏差

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。