Hippolyte Gisserot-Boukhlef, Ricardo Rei, Emmanuel Malherbe, Céline Hudelot, Pierre Colombo, Nuno M. Guerreiro
Artefact Research Center, Unbabel, Equall, MICS, CentraleSupélec, Université Paris-Saclay, Instituto de Telecomunicações, Instituto Superior Técnico und Universidade de Lisboa (ELLIS-Einheit Lissabon)
Wir freuen uns, Ihnen den neuesten Forschungsartikel unseres Doktoranden Hippolyte Gisserot-Boukhlef vorstellen zu dürfen, der als „Featured Paper“ für die Neunte Konferenz für maschinelle Übersetzung (WMT24) im November 2024 ausgewählt wurde.
Zusammenfassung
Der Beitrag untersucht die Wirksamkeit von Techniken zur Präferenzoptimierung, insbesondere im Vergleich zum überwachten Fine-Tuning. Während die Optimierung anhand data in der maschinellen Übersetzung gängige Praxis data – oft unter Nutzung hochwertiger Ergebnisse externer Modelle wie GPT-4 –, sind die weiterreichenden Auswirkungen dieses Ansatzes noch nicht vollständig geklärt. Interessanterweise deuten unsere Ergebnisse darauf hin, dass durch den Einsatz des Modells selbst als „Self-Teacher“ eine vergleichbare Übersetzungsqualität erzielt werden kann, während gleichzeitig die Komplexitäten und Einschränkungen vermieden werden, die mit der Abhängigkeit von externen Systemen verbunden sind.
