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 & Universidade de Lisboa (Lisbon ELLIS Unit)
Nos complace compartir el último artículo de investigación de nuestro estudiante de doctorado, Hippolyte Gisserot-Boukhlef, que ha sido seleccionado como ponencia destacada en la Novena Conferencia sobre Traducción Automática (WMT24) que se celebrará en noviembre de 2024.
Resumen
El artículo explora la eficacia de las técnicas de optimización de preferencias, sobre todo en comparación con el ajuste fino supervisado. Aunque la optimización de preferencias data es una práctica habitual en la traducción automática -a menudo aprovechando resultados de alta calidad de modelos externos como GPT-4-, las implicaciones más amplias de este enfoque aún no se comprenden del todo. Curiosamente, nuestros hallazgos sugieren que el uso del propio modelo como autodidacta puede lograr una calidad de traducción comparable, al tiempo que elimina las complejidades y limitaciones asociadas a la dependencia de sistemas externos.