翻译过程中翻译技巧的预测
本研究发现提前识别翻译技巧并应用于机器翻译过程可以进一步优化机器翻译,通过不同实验对从头翻译和后编辑两种翻译过程进行了预测,预测准确率分别达到 82% 和 93%。
本文研究了矫正人为翻译错误的任务,通过构建语料库和数据集,发现人类错误比机器翻译的错误更多样,需要专门的模型来矫正。通过预训练,TEC系统在F1得分上提升了5.1个百分点,并在人机交互实验中表现出卓越能力。
BriefGPT - AI 论文速递 -
本研究发现提前识别翻译技巧并应用于机器翻译过程可以进一步优化机器翻译,通过不同实验对从头翻译和后编辑两种翻译过程进行了预测,预测准确率分别达到 82% 和 93%。
本文研究了矫正人为翻译错误的任务,通过构建语料库和数据集,发现人类错误比机器翻译的错误更多样,需要专门的模型来矫正。通过预训练,TEC系统在F1得分上提升了5.1个百分点,并在人机交互实验中表现出卓越能力。
热榜 Top10
标签 Top100
全部ai 语言模型 神经网络 linux llm 开源 微软 python .net 人工智能 数据集 google 算法 apple 扩散模型 安全 苹果 机器学习 java 深度学习 android rust 游戏 机器人 postgresql 建模 漏洞 谷歌 ios openai mysql windows c# 大模型 spring 开发者 api 函数 gpt github 教程 windows 11 chatgpt microsoft 卷积 数据库 nvidia web mongodb iphone 内存 浏览器 强化学习 cloud sql security docker 插件 编码器 基准测试 wordpress 大语言模型 程序员 黑客 欧盟 联邦学习 总结 mac 入门 postgres 流量 sora 解决方案 c++ 无监督 generative ai 点云 一致性 视图 redis 工程师 pdf 网络安全 spring boot 前端 重建 swift 硬件 接口 多智能体 单片机 visual studio kubernetes git tiktok cve 容器 面试 源码 内核
赞助商
我也要赞助推荐或自荐