Google hat Gemini 3.5 Live Translate vorgestellt, eine neue Funktion, die Echtzeitübersetzung ermöglicht. Diese Innovation zielt darauf ab, die mehrsprachige Kommunikation sofort zu verbessern.
Nsanku ist ein systematischer Benchmark zur Bewertung der Zero-Shot-Maschinenübersetzungsleistung von 19 LLMs für 43 ghanaische Sprachen. Er verwendet Bibelsätze und Metriken wie BLEU und chrF, wobei gemini-2.5-flash die höchste Durchschnittspunktzahl erreicht.
Diese Forschung identifiziert und quantifiziert Schlussfolgerungsfehler in der maschinellen Übersetzung über mehrere Sprachpaare hinweg, unter Verwendung eines automatisierten Annotationsprotokolls. Experimente mit Interventionen an Schlussfolgerungsspuren deuten darauf hin, dass starke Korrekturen die Fehlerauflösung verbessern, wenngleich mit gemischten Ergebnissen bei der Gesamtübersetzungsqualität.
Diese Studie untersucht das Gleichgewicht zwischen Flüssigkeit und Treue in der literarischen Übersetzung, indem sie menschliche Übersetzungen, Google Translate und TranslateGemma von 106 Romanen in 16 Sprachen vergleicht. Sie zeigt eine konsistente negative Korrelation zwischen Flüssigkeit und Treue, die bei menschlichen und Google Translate Übersetzungen stärker ist, und betont, dass die Segmentlänge für die automatische Bewertung wichtig ist.
Dieses Papier stellt einen neuen In-Context-Lernansatz für die maschinelle Übersetzung aus dem Koptischen ins Englische für ressourcenarme Sprachen vor, der Eingaben mit syntaktischen Informationen aus Universal Dependencies-Parses erweitert. Die Kombination dieser syntaktischen Daten mit wörterbuchbasierten Glossaren erzielt signifikante Leistungssteigerungen und erreicht den aktuellen Stand der Technik.
Diese Arbeit untersucht systematisch den Einfluss von gemeinsamen und getrennten Vokabularen auf den Wissenstransfer in der mehrsprachigen neuronalen Maschinenübersetzung (MNMT). Experimente zeigen, dass umfangreiche Vokabularüberschneidungen, Sprachverwandtschaft und Domänenübereinstimmung zu besseren Ergebnissen führen, selbst in Out-of-Domain-Setups.
Este estudo empírico investiga o aprendizado em contexto (ICL) de muitos exemplos para tradução automática de inglês para dez idiomas de baixo recurso. Os achados mostram que o ICL se torna mais eficaz com o aumento do número de exemplos, e a recuperação baseada em BM25 melhora substancialmente a eficiência dos dados.
Dieser Inhalt untersucht Szenarien, in denen eine einzige Übersetzung möglicherweise nicht ausreicht. Er erörtert die Notwendigkeit komplexerer Ansätze für eine effektive Kommunikation in verschiedenen kulturellen und sprachlichen Kontexten.