Hippolyte Gisserot-Boukhlef, Ricardo Rei, Emmanuel Malherbe, Céline Hudelot, Pierre Colombo, Nuno M. Guerreiro
Research CenterArtefact , Unbabel, Equall, MICS, CentraleSupélec, Universidad de París-Saclay, Instituto de Telecomunicaciones, Instituto Superior Técnico y Universidad de Lisboa (Unidad ELLIS de Lisboa)
Nos complace compartir el último artículo de investigación de nuestro estudiante de doctorado, Hippolyte Gisserot-Boukhlef, que ha sido seleccionado como artículo destacado en la Novena Conferencia sobre Traducción Automática (WMT24), que se celebrará en noviembre de 2024.
Resumen
El artículo analiza la eficacia de las técnicas de optimización de preferencias, especialmente en comparación con el ajuste fino supervisado. Aunque la optimización basada en data de preferencias data una práctica habitual en la traducción automática —que a menudo aprovecha los resultados de alta calidad de modelos externos como GPT-4—, aún no se comprenden del todo las implicaciones más amplias de este enfoque. Curiosamente, nuestros hallazgos sugieren que utilizar el propio modelo como «auto-profesor» permite alcanzar una calidad de traducción comparable, al tiempo que se eliminan las complejidades y limitaciones asociadas al uso de sistemas externos.
