Sfruttare GPT-4 per la Post-Edizione Automatica delle Traduzioni

Leveraging GPT-4 for Automatic Translation Post-Editing

May 24, 2023

Autori: Vikas Raunak, Amr Sharaf, Hany Hassan Awadallah, Arul Menezes

cs.AI

Abstract

Sebbene la Traduzione Automatica Neurale (NMT) rappresenti l'approccio principale alla Traduzione Automatica (MT), gli output dei modelli NMT richiedono ancora una post-edizione della traduzione per correggere errori e migliorare la qualità, specialmente in contesti critici. In questo lavoro, formalizziamo il compito della post-edizione della traduzione con Modelli Linguistici di Grande Dimensione (LLMs) ed esploriamo l'uso di GPT-4 per post-editare automaticamente gli output NMT su diverse coppie di lingue. I nostri risultati dimostrano che GPT-4 è abile nella post-edizione della traduzione e produce modifiche significative anche quando la lingua di destinazione non è l'inglese. In particolare, otteniamo prestazioni all'avanguardia su WMT-22 per le coppie di lingue inglese-cinese, inglese-tedesco, cinese-inglese e tedesco-inglese utilizzando la post-edizione basata su GPT-4, come valutato dalle metriche di qualità MT più avanzate.

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.