Yiwen Guan

新的 Transformer 编码器树架构提高了多语言翻译效率

研究人员开发了一种名为 Transformer 编码器树 (TET) 的新架构，以改进多语言机器翻译和语音翻译。这种分层、非自回归模型在相似目标语言之间共享中间表示，提高了低资源语言的准确性并减少了计算冗余。TET 允许所有目标语言在一次传递中生成，消除了传统自回归模型的顺序瓶颈，并实现了并行解码。该架构已证明在参数数量和推理计算方面有显著减少，在语音翻译方面，它提供了具有显著更快推理时间的竞争性质量。