В связи с выходом на рынок LLM с высокой мультизадачностью вновь поднялось обсуждение возможности машинного перевода с их помощью. Мы решили сравнить модели и предположить их роль в переводческом процессе. В отличие от других исследований сравнение работы моделей происходило не с эталонным вариантом, а с их постредактированной гипотезой, что позволило провести наиболее точный подсчёт метрик. При анализе результатов мы выявили паттерны, в которых модели чаще всего ошибаются. Следующей целью стала реализация модели, которая смогла бы считывать данные зависимости и предсказывать возможную неточность перевода. Baseline модели показал качество f1-score 0.6. Мы также представили улучшенные версии модели и сравнили их.

Дутов Д.А. (науч. рук. Светова С.Ю.) Сравнение моделей машинного перевода и определение места нейронных сетей в переводческом процессе // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2024]. URL: https://kmu.itmo.ru/digests/article/12606