GLOSS-MT: traduzione automatica controllabile per lingue con poche risorse grazie a un dizionario modificabile

Abstract degli autori

Adattare un modello di traduzione automatica (MT) preaddestrato a una nuova terminologia richiede di solito nuovi dati paralleli e un’ulteriore fase di fine-tuning, costosa per le lingue con poche risorse. Ci chiediamo se sia possibile rendere controllabile la traduzione automatica e ridurre la necessità di fine-tuning senza peggiorare il modello preaddestrato. GLOSS-MT cerca i sintagmi nominali del testo sorgente in un dizionario offline inglese-Twi, sostituisce ciascuno di quelli trovati con la relativa traduzione in twi direttamente nel testo e sottopone una sola volta un modello di traduzione a fine-tuning perché traduca questi input misti. Applichiamo gli stessi dati e la stessa pipeline a NLLB-200 (600M, 1,3B, 3,3B), OPUS-MT en-tw e TranslateGemma 4B. In un benchmark di traduzione dall’inglese al twi asante a livello di documento (84 documenti, quattro ambiti), ogni modello sottoposto a fine-tuning ottiene un punteggio chrF2 superiore a quello del rispettivo modello preaddestrato (da +2,85 a +5,48), e i tre modelli NLLB sottoposti a fine-tuning sono i migliori sistemi aperti (50,12-50,80). Un test diretto della controllabilità su brani della Bibbia tradotti da esseri umani mostra che i tre modelli sottoposti a fine-tuning esaminati producono il 79-97% dei termini del dizionario e che, sostituendo ogni voce del dizionario con un termine diverso, l’output cambia di conseguenza (compare il 70-97% dei nuovi termini), senza un nuovo addestramento. Rendiamo disponibili i modelli, i dati e il codice.