Learning Optimal Policy for Simultaneous Machine Translation via Binary Search

要約

同時機械翻訳 (SiMT) は、原文を読みながら訳文の出力を開始するため、生成された訳文をいつ出力するかを決定する正確なポリシーが必要です。
したがって、ポリシーは、各ターゲット トークンの変換中に読み取られるソース トークンの数を決定します。
ただし、明示的な監視として並列文に対応する黄金のポリシーがないため、遅延と品質の適切なトレードオフを達成するための正確な翻訳ポリシーを学習することは困難です。
本稿では、二分探索を介してオンラインで最適なポリシーを構築する新しい方法を提案します。
明示的な監視を採用することで、私たちのアプローチでは、SiMT モデルが最適なポリシーを学習できるようになり、推論中にモデルが変換を完了するようにガイドできます。
4 つの翻訳タスクに関する実験では、私たちの方法がすべての遅延シナリオにわたって強力なベースラインを超えることができることが示されています。

要約(オリジナル)

Simultaneous machine translation (SiMT) starts to output translation while reading the source sentence and needs a precise policy to decide when to output the generated translation. Therefore, the policy determines the number of source tokens read during the translation of each target token. However, it is difficult to learn a precise translation policy to achieve good latency-quality trade-offs, because there is no golden policy corresponding to parallel sentences as explicit supervision. In this paper, we present a new method for constructing the optimal policy online via binary search. By employing explicit supervision, our approach enables the SiMT model to learn the optimal policy, which can guide the model in completing the translation during inference. Experiments on four translation tasks show that our method can exceed strong baselines across all latency scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google