영어-루마니아어 기계 번역에서 성별 편향 완화

초록

기계 번역(MT) 시스템은 특히 영어와 같은 성중립 언어에서 루마니아어와 같은 문법적 성을 가진 목표 언어로 변환할 때 성별을 올바르게 번역하지 못하는 경우가 많다. 이러한 편향은 번역 결과가 남성형을 기본값으로 사용하거나 성별 고정관념을 강화하는 결과를 초래한다. 우리는 대규모 언어 모델(LLM) 기반의 성별 분류와 신경망 기계 번역(NMT)을 결합한 하이브리드 파이프라인을 제안한다. 우리 시스템은 미세 조정된 LLM을 사용하여 영어 문장에서 대상 단어의 의도된 성별을 감지하고 인라인 성별 힌트 태그를 삽입한다. 그런 다음 태그가 부착된 문장은 형태론적으로 올바른 루마니아어 번역을 생성하도록 미세 조정된 Transformer 모델에 전달된다. 이를 지원하기 위해 성별 중의성 해소 및 번역을 위한 세 가지 새로운 데이터셋을 도입한다. 우리의 접근 방식은 기준 MT 시스템과 비교하여 WinoMT 및 WinoGender 벤치마크에서 성별 정확도를 40퍼센트 포인트 이상 향상시킨다. 이 방법은 LLM 추론과 태그 인식 번역을 모두 사용하여 영어-루마니아어 MT의 성별 편향을 명시적으로 다루고 평가하는 최초의 방법이다.

English

Machine translation (MT) systems often fail to correctly translate gender, especially when converting from a gender-neutral language like English to a gendered target language such as Romanian. This bias results in translations that default to masculine forms or reinforce gender stereotypes. We propose a hybrid pipeline to mitigate this issue by combining large language model (LLM)-based gender classification with neural machine translation (NMT). Our system uses a fine-tuned LLM to detect the intended gender of target words in English sentences and insert inline gender hint tags. These tagged sentences are then passed to a Transformer model fine-tuned to generate morphologically correct Romanian translations. To support this, we introduce three novel datasets for gender disambiguation and translation. Our approach improves gender accuracy on the WinoMT and WinoGender benchmarks by over 40 percentage points compared to a baseline MT system. This is the first method to explicitly address and evaluate gender bias in English-Romanian MT using both LLM inference and tag-aware translation.