Aprovechando GPT-4 para la Post-Edición Automática de Traducciones
Leveraging GPT-4 for Automatic Translation Post-Editing
May 24, 2023
Autores: Vikas Raunak, Amr Sharaf, Hany Hassan Awadallah, Arul Menezes
cs.AI
Resumen
Si bien la Traducción Automática Neuronal (NMT, por sus siglas en inglés) representa el enfoque líder en Traducción Automática (MT), los resultados de los modelos NMT aún requieren post-edición de traducción para corregir errores y mejorar la calidad, especialmente en entornos críticos. En este trabajo, formalizamos la tarea de post-edición de traducción con Modelos de Lenguaje de Gran Escala (LLMs) y exploramos el uso de GPT-4 para post-editar automáticamente los resultados de NMT en varios pares de idiomas. Nuestros resultados demuestran que GPT-4 es competente en la post-edición de traducciones y produce ediciones significativas incluso cuando el idioma objetivo no es el inglés. Cabe destacar que logramos un rendimiento de vanguardia en los pares de idiomas inglés-chino, inglés-alemán, chino-inglés y alemán-inglés de WMT-22 utilizando la post-edición basada en GPT-4, según lo evaluado por métricas de calidad de MT de última generación.
English
While Neural Machine Translation (NMT) represents the leading approach to
Machine Translation (MT), the outputs of NMT models still require translation
post-editing to rectify errors and enhance quality, particularly under critical
settings. In this work, we formalize the task of translation post-editing with
Large Language Models (LLMs) and explore the use of GPT-4 to automatically
post-edit NMT outputs across several language pairs. Our results demonstrate
that GPT-4 is adept at translation post-editing and produces meaningful edits
even when the target language is not English. Notably, we achieve
state-of-the-art performance on WMT-22 English-Chinese, English-German,
Chinese-English and German-English language pairs using GPT-4 based
post-editing, as evaluated by state-of-the-art MT quality metrics.