PyTorchKR Papers

최신 논문

총 5,206편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.21413v1cs.CL

CAT-Translate: 일본어-영어 번역을 위한 컴팩트 오픈소스 모델 구축

CAT-Translate: Building Compact Open-Source Models for Japanese-English Translation

오늘날 대규모 다국어 번역 모델은 기계 번역 벤치마크에서 인상적인 번역 능력을 보여준다. 이는 개발자들에게 실용적인 질문을 제기한다: 특정 언어 쌍만 지원해야 한다면 해당 언어 쌍에 특화된 번역 모델을 개발할 가치가 있는가? 이 질문에 대한 일화적 답을 제공하기 위해, 우리는 일본어-영어 양방향 번역에 특화된 소형 언어 모델(0.8B, 1.4B, 3.3B, 7B 파라미터) 계열을 개발한다. 우리는 2단계 지도 미세조정 접근법과 이어지는 Multi-Objective GRPO(Ichihara et al. 2025)를 사용하여 합성 생성 병렬 코퍼스로 모델을 학습한다. 우리는 WMT 및 비즈니스, 법률, 의료, 금융, 특허 분야의 실세계 번역 벤치마크에서 모델을 평가한다. 다국어 모델이 WMT 벤치마크에서 강력한 성능을 달성하는 반면, 우리의 컴팩트 모델은 실세계 벤치마크에서 이들을 능가하여, 대규모 다국어 모델 시대에도 특화 번역 모델 개발의 실용적 유용성을 시사한다.

arXiv:2606.22494v1cs.AI

동영상 기반 심층 학습 수화 인식 및 인도 방언으로의 교차 언어 번역

Deep Learning-Based Sign Language Recognition from Videos and Cross-Lingual Translation to Indian Vernaculars

수화는 전 세계 청각 장애인 및 난청인 커뮤니티의 주요 의사소통 수단이지만, 동영상에서 수화 제스처를 인식하고 이를 자연어 텍스트로 번역하는 자동화 도구는 여전히 제한적이며, 특히 저자원(low-resource) 인도 언어에 대해서는 더욱 그렇다. 우리는 2단계 심층 학습 파이프라인을 제안한다. 이 파이프라인은 (i) 파인튜닝(fine-tuning)된 VideoMAE 동영상 트랜스포머를 사용하여 짧은 수화 동영상 클립을 영어 단어 레이블로 분류하고, (ii) Meta AI의 No Language Left Behind(NLLB-200) 다국어 번역 모델을 사용하여 예측된 영어 레이블을 힌디어, 텔루구어, 벵골어로 번역한다. 분류 모델은 IIT Madras의 AI4Bharat 인도 수어 동영상 코퍼스의 13개 클래스 부분집합에서 파인튜닝되며, 각 동영상에서 균일하게 샘플링한 16프레임 클립을 224 x 224 해상도로 처리한다. 소규모 학술 설정(13개 클래스, 197개 클립, 80-20 분할)에서 파인튜닝된 모델은 15 에포크 후 99% 학습(training) 정확도와 78% 검증(validation) 정확도에 도달한다. 혼동 행렬과 분류 보고서를 통해 클래스별 세부 분석을 제공하고, 지배적인 실패 모드(ugly, deaf, blind, hat, dress와 같이 혼동되기 쉬운 형용사 쌍 등)를 식별하며, 사용자가 업로드한 동영상을 입력받아 예측된 영어 레이블과 그에 대한 힌디어, 텔루구어, 벵골어 번역을 반환하는 Streamlit 기반 추론 데모를 설명한다. 적용 범위, 한계(작은 레이블 집합, 연속 수화가 아닌 고립 단어 방식, 단일 수화자 스타일 민감성, 단일 단어 기계 번역의 모호성), 그리고 문장 수준 생성 및 더 큰 어휘로 확장하는 것을 포함한 향후 연구 방향을 논의한다. 재현 가능성을 위해 코드를 공개한다.

arXiv:2606.20212v1cs.CL

CzechDocs: 체코 내 소수 언어를 위한 형식이 지정된 문서의 다방향 병렬 데이터셋

CzechDocs: A Multiway Parallel Dataset of Formatted Documents for Minority Languages in Czechia

우리는 체코어와 체코 내에서 사용되는 소수 언어(주로 우크라이나어와 영어, 그리고 일부 베트남어, 러시아어 및 기타 언어)를 아우르는 HTML, DOCX 및 PDF 형식의 문서로 구성된 다방향 병렬 데이터셋인 CzechDocs를 소개합니다. 이 데이터셋은 번역 과정에서 문서 형식을 보존하는 것을 목표로 하는 기계 번역 시스템의 평가를 지원하도록 설계되었습니다. 우리는 데이터셋의 검증(validation) 서브셋에 대해 형식 보존 기계 번역의 가장 일반적인 접근 방식들을 비교합니다. 이 검증(validation) 분할과 평가 툴킷은 추가 연구를 위해 공개적으로 공개됩니다. 형식 보존 문서 수준 번역에 초점을 맞춘 향후 공동 작업(shared task)을 위해 홀드아웃 테스트 분할은 예약되어 있습니다.

arXiv:2603.16606v3cs.CL

Omnilingual SONAR: 대규모 다국어 텍스트와 음성을 잇는 교차 언어 및 교차 모달 문장 임베딩

Omnilingual SONAR: Cross-Lingual and Cross-Modal Sentence Embeddings Bridging Massively Multilingual Text and Speech

교차 언어 문장 인코더는 일반적으로 수백 개의 언어만 다루며, 더 강력한 정렬(alignment)을 위해 다운스트림 품질을 희생하는 경우가 많아 그 채택이 제한됩니다. 본 논문에서는 텍스트, 음성, 코드, 수학 표현식을 단일 의미 공간에 기본적으로 임베딩(embedding)하면서, 고자원(high-resource)에서 극저자원(extremely low-resource) 언어에 이르기까지 수천 개 언어 규모에서 최첨단(SOTA) 다운스트림 성능을 제공하는 새로운 전언어(omnilingual), 교차 언어 및 교차 모달 문장 임베딩 모델 계열인 OmniSONAR를 소개합니다. 표현 붕괴(representation collapse) 없이 이 규모에 도달하기 위해 우리는 점진적 학습(progressive training)을 사용합니다. 먼저 대규모 언어 모델(LLM)로 초기화된 인코더-디코더를 사용하여 200개 언어에 대한 강력한 기초 공간을 학습하며, 여기에 토큰 수준 디코딩을 새로운 분할 소프트맥스(split-softmax) 대비 손실(contrastive loss) 및 합성 하드 네거티브(synthetic hard negatives)와 결합했습니다. 이 기초를 바탕으로 2단계 교사-학생 인코더 증류(distillation) 프레임워크를 통해 수천 개의 언어 변종으로 확장했습니다. 마지막으로, 177개의 구어(spoken) 언어를 이 공간에 매끄럽게 매핑함으로써 해당 공간의 교차 모달 확장성을 입증했습니다. OmniSONAR는 200개 언어 FLORES 데이터셋(dataset)에서 교차 언어 유사도 검색 오류를 절반으로 줄였으며, 1,560개 언어 BIBLE 벤치마크(benchmark)에서는 오류를 15분의 1 수준으로 감소시켰습니다. 또한 강력한 번역 성능을 발휘하여 다국어 벤치마크에서 NLLB-3B를 능가했고, 1,560개 언어에서 영어로의 BIBLE 번역에서는 이전 모델(훨씬 더 큰 LLM 포함)보다 15 chrF++ 포인트 더 높은 성과를 보였습니다. OmniSONAR는 MTEB 및 XLCoST에서도 우수한 성능을 보였습니다. 음성(speech) 분야에서 OmniSONAR는 유사도 검색 오류를 43% 감소시켰으며, 번역에 대해 제로샷(zero-shot)임에도 불구하고(ASR 데이터로만 학습됨) SeamlessM4T의 음성-텍스트 품질의 97%에 도달했습니다. 마지막으로, OmniSONAR 임베딩 시퀀스를 처리하는 영어 텍스트에 대해서만 인코더-디코더 LM인 Spectrum을 학습시킴으로써, 복잡한 다운스트림 작업에 대해 수천 개 언어와 음성으로의 고성능 전이(transfer)를 가능하게 했습니다.

arXiv:2602.13139v4cs.CL

OpenLID-v3: 밀접한 관계의 언어 식별 정밀도 향상 -- 경험 보고서

OpenLID-v3: Improving the Precision of Closely Related Language Identification -- An Experience Report

언어 식별(LID)은 웹 데이터에서 고품질 다국어 데이터셋을 구축하는 데 필수적인 단계입니다. 기존 LID 도구(예: OpenLID 또는 GlotLID)는 밀접한 관계의 언어를 식별하고 유효한 자연어를 노이즈와 구별하는 데 어려움을 겪는 경우가 많으며, 이는 특히 저자원 언어의 경우 언어별 부분 집합을 오염시킵니다. 본 연구에서는 더 많은 학습 데이터를 추가하고, 문제가 되는 언어 변종 클러스터를 병합하며, 노이즈 표시를 위한 특수 라벨을 도입하여 OpenLID 분류기를 확장했습니다. 우리는 이 확장된 시스템을 OpenLID-v3라고 명명하고, 여러 벤치마크에서 GlotLID와 비교하여 평가했습니다. 개발 과정에서 우리는 세 그룹의 밀접한 관계 언어(보스니아어, 크로아티아어, 세르비아어; 북부 이탈리아 및 남부 프랑스의 로망스어 변종; 스칸디나비아어)에 초점을 맞추고, 기존 데이터셋이 부족한 곳에 새로운 평가 데이터셋을 제공했습니다. 우리는 앙상블 방식이 정밀도는 향상시키지만 저자원 언어에 대한 커버리지를 상당히 감소시킨다는 것을 발견했습니다. OpenLID-v3는 https://huggingface.co/HPLT/OpenLID-v3에서 이용할 수 있습니다.

arXiv:2507.00875v3cs.CL

TransLaw: 홍콩 판례의 전문 번역을 시뮬레이션하는 대규모 데이터셋 및 멀티 에이전트 벤치마크

TransLaw: A Large-Scale Dataset and Multi-Agent Benchmark Simulating Professional Translation of Hong Kong Case Law

홍콩 법원 판결문을 영어에서 번체 중국어로 번역하는 것은 기본법 제8조 및 제9조에 의해 규정되어 있으나, 병렬 리소스의 부족과 법률 용어, 인용 형식, 사법적 스타일에 대한 엄격한 요구 사항으로 인해 여전히 제약이 있습니다. 우리는 홍콩 판례를 위한 첫 번째 대규모 문장 단위 정렬 병렬 말뭉치인 HKCFA Judgment 97-22를 소개하며, 이는 1997년부터 2022년까지의 344개의 전문 번역된 판결문(11,099개 문장 쌍; 210만 토큰)으로 구성되어 있습니다. 이 리소스를 기반으로, 우리는 번역을 단어 수준 표현, 문장 수준 번역, 다차원 검토로 분해하는 TransLaw라는 멀티 에이전트 프레임워크를 제안합니다. 이 프레임워크는 전문 홍콩 법률 용어 데이터베이스, 검색-증강 생성(RAG), 반복적 피드백을 통합하며, 의미적 정렬, 용어, 인용, 스타일을 포괄하는 4차원 전문가 검토를 수행합니다. 13개의 오픈 소스 및 상용 대규모 언어 모델(LLM)에 대한 벤치마킹 결과, TransLaw는 평가된 모든 모델에서 단일 에이전트 기준선을 유의미하게 상회하며 3회 이내의 반복에서 수렴함을 입증했습니다. 제안된 Legal ACS 지표를 사용하여 10명의 공인 법률 번역가가 수행한 인간 평가 결과, 법률-의미적 정확도의 향상이 확인되었으나, TransLaw는 문체적 자연스러움 측면에서는 여전히 인간 전문가에게 미치지 못하는 것으로 나타났습니다. 해당 데이터셋과 벤치마크 코드는 https://github.com/xuanxixi/TransLaw에서 확인할 수 있습니다.

arXiv:2606.19100v1cs.CV

AMALIA-VL: 유럽 포르투갈어 기반 오픈 소스 비전-언어 모델

AMALIA-VL: A Native European Portuguese Open-Source Vision and Language Model

대규모 비전-언어 모델(LVLMs)은 급속도로 발전했으나, 유럽 포르투갈어(pt-PT)는 여전히 기존 오픈 소스 멀티모달 모델에서 체계적으로 소외되고 있습니다. 이러한 모델들은 유럽 포르투갈어를 브라질 포르투갈어와 혼동하거나 학습 데이터 혼합 과정에서 이를 심각하게 과소 대표하고 있습니다. 우리는 pt-PT를 위해 원어로 구축된 최초의 오픈 소스 지시 미세조정 LVLM인 AMALIA-VL을 소개합니다. 이 모델은 고해상도 비전 인코더와 동적 이미지 타일링, 그리고 학습된 커넥터를 통해 연결된 완전히 개방된 pt-PT 최적화 언어 모델을 결합합니다. 우리는 비전-언어 정렬, 일반 시각 지시 미세조정, 선호 최적화로 구성된 의도적으로 설계된 3단계 학습 과정과, 유럽 포르투갈어 멀티모달 자원의 거의 완전한 부재를 해결하는 새로운 데이터셋과 선별 및 번역된 공용 데이터셋을 결합한 pt-PT 중심의 멀티모달 데이터 혼합을 제공합니다. 우리의 평가 결과, AMALIA-VL이 오픈 소스 pt-PT LVLM에 대한 강력한 기준선을 확립함을 보여줍니다. 우리는 pt-PT LVLM 개발의 대중화를 돕기 위해 모델 가중치, 학습 데이터, 구축 파이프라인, 그리고 기계 번역된 pt-PT 평가 벤치마크를 공개할 예정입니다.

arXiv:2606.19096v1cs.CV

PorTEXTO: 시각적 텍스트 추출을 위한 유럽 포르투갈어 벤치마크

PorTEXTO: A European Portuguese Benchmark for Visual Text Extraction

유럽 포르투갈어(pt-PT)는 고자원 언어에 치우친 OCR 벤치마크에서 대부분 부재합니다. pt-PT를 다루는 소수의 벤치마크는 역사적 유물과 문학에 초점을 맞추고 있습니다. 본 연구는 현대 OCR 애플리케이션을 다루며, 현대적이고 문화적으로 관련성 있는 pt-PT 시각적 텍스트 추출을 위한 첫 번째 벤치마크인 PorTEXTO를 소개합니다. 품질을 보장하기 위해, 우리는 최첨단 대규모 비전-언어 모델(LVLM)의 전사와 원어민의 철저한 검토를 결합한 주석 파이프라인을 사용했습니다. 우리는 대부분의 모델에서 합성 데이터에서 실제 샘플로 넘어갈 때 성능이 급격히 하락함을 관찰했으며, 현재 모델 크기나 해상도 예산보다 전문화된 다국어 데이터가 pt-PT 성능을 좌우하는 더 중요한 요인임을 발견했습니다. 이에 따라 공개 pt-PT OCR 리소스를 공개하게 되었습니다.

arXiv:2606.18989v1cs.CL

G-IdiomAlign: 교차 언어 관용구 정렬을 위한 용어 설명(gloss) 피벗 벤치마크

G-IdiomAlign: A Gloss-Pivoted Benchmark for Cross-Lingual Idiom Alignment

관용구의 비구성성으로 언어 간 의미 전환이 어렵다는 문제를 다루기 위해 Wiktionary 영어 gloss를 의미 피벗으로 삼은 G-IdiomAlign 벤치마크를 제시하고, 객관식 동등성 평가와 gloss 대조 생성 두 프로토콜로 재현 가능한 진단 평가를 제공한다. 다양한 LLM에서 직역 편향이 지배적 실패 모드로 나타나며 저자원 언어에서 특히 두드러지고, gloss는 임베딩 기반 의미 프록시 하에서 생성 성능을 일관되게 높이지만 전반적 수준은 여전히 낮아 개선 여지가 크다.

arXiv:2604.18109v2cs.CL

FLiP: 멀티모달 다국어 문장 임베딩의 이해 및 해석을 향하여

FLiP: Towards understanding and interpreting multimodal multilingual sentence embeddings

사전학습된 다국어·멀티모달 문장 임베딩(LaBSE, SONAR, Gemini)에서 어휘적 내용을 복원하는 인수분해 선형 투영(FLiP) 모델을 제안하고, 임베딩의 75% 이상 어휘를 재현하며 기존 비인수분해 기준 모델을 크게 능가한다. FLiP를 진단 도구로 활용해 문장 인코더 간 모달리티·언어 편향을 규명하고, 다운스트림 평가 없이도 인코더의 내재적 표현 특성을 분석할 수 있다.

arXiv:2606.18801v1cs.IR

SHIFT: 다국어 정보 검색을 위한 인덱스 측 특징 변환을 통한 의미적 조화

SHIFT: Semantic Harmonization via Index-side Feature Transformation for Multilingual Information Retrieval

다국어 밀집 검색 모델이 쿼리와 같은 언어 문서를 과도하게 선호하는 언어 바이어스를 줄이기 위해, 병렬 번역 쌍으로 추정한 상대적 언어 벡터를 인덱싱 단계에서 문서 임베딩에서 차감하는 학습 불필요 방법 SHIFT를 제안한다. 4개 MLIR 벤치마크와 다양한 밀집 검색 모델 평가에서 언어 바이어스 완화와 MLIR 성능 향상이 확인되었다.

arXiv:2606.17354v1cs.CL

번역 불가능한 것의 번역: 번역 불가능성에 대한 운용 가능한 온톨로지

Translating the Untranslatable: An Operationalizable Ontology for Untranslatability

번역 불가능성(untranslatability), 즉 언어 간에 의미를 직접 보존할 수 없는 경우,은 언어학에서는 충분히 연구되었으나 자연어 처리(NLP)에서는 충분히 탐구되지 않았다. 기계 번역(MT) 시스템이 표준 벤치마크에서 개선됨에 따라, 그 한계는 점점 더 일대일 대응으로 환원할 수 없는 이러한 사례에 집중되고 있다. 우리는 번역 불가능성에 대한 구조화된 온톨로지와 함께, 이러한 번역 불가능한 상황에서 의미를 전달하기 위한 구체적 기법인 보상 전략(compensation strategies)의 분류체계를 제안한다. 우리는 이 프레임워크를 전략 기반 번역과 짝을 이룬 번역 불가능 문장의 다국어 데이터셋으로 구체화하여, 번역 행동에 대한 통제된 분석을 가능하게 한다. 초기 인간 선호도 연구는 사용된 전략에 따라 번역 품질이 달라지며, Annotation 보상 전략으로 알려진 설명적 맥락을 포함한 출력에 일관된 선호가 나타남을 시사한다. 우리의 프레임워크와 데이터셋은 전략 정보를 반영한 기계 번역을 연구하고 모델링하기 위한 기반을 제공한다.

arXiv:2606.17281v1cs.CL

내 언어들을 쓰고 있나? 멀티모달 LLM의 음성 언어 준수

Are you speaking my languages? On spoken language adherence in multimodal LLMs

대규모 언어 모델(LLM) 기반 자동 음성 인식(ASR)은 매끄러운 다국어 사용을 가능하게 하지만, 모델은 종종 출력 언어를 잘못 식별하여 전사 정확도와 하위 애플리케이션 품질을 저하시킨다. 유연성과 코드 스위칭(code-switching) 능력을 유지하기 위해, 출력을 엄격하게 제한하지 않으면서 잠재적 음성 언어를 암시하는 소프트 프롬프트(soft prompting) 방식을 제안한다. 이 과제를 언어 준수(language adherence) 부족으로 형식적으로 정의하고, 위반을 정량화하는 새로운 지표를 도입하며, 세 가지 완화 전략을 평가한다: (1) 불확실성 하에서 강건한 안내를 위한 제로샷(zero-shot) 프롬프트, (2) 프롬프트 준수를 개선하기 위한 지도 미세조정(SFT), (3) 디코딩 중 준수를 강제하기 위한 사고의 연쇄(Chain-of-Thought, CoT) 추론. 여러 언어에 걸쳐 이러한 방법들의 비교 분석을 제시하고, 전체 ASR 성능을 유지하면서 언어 위반을 줄이는 효과를 평가한다. 마지막으로, 다양한 연산 제약 하에서 전략 선택을 안내하기 위한 트레이드오프를 논의한다.

arXiv:2606.17255v1cs.CL

IWSLT 2026 동시 음성 번역 과제를 위한 MLLP-VRAIN UPV 시스템

MLLP-VRAIN UPV system for the IWSLT 2026 Simultaneous Speech Translation task

본 연구는 IWSLT 2026 동시 음성 번역(Simultaneous Speech Translation) 트랙 공유 과제에 MLLP-VRAIN 연구 그룹이 참가한 내용을 기술한다. 우리 제출 시스템은 최근 공개된 Parakeet 및 Qwen 3.5 모델을 활용하여, 적응형 "블랙박스(black-box)" 정책을 통해 장문 동시 음성 번역(SimulST)을 위한 견고한 계단식(cascaded) 솔루션을 구축한다. 더 나은 품질-지연(latency) 트레이드오프를 달성하기 위해 이러한 정책의 완화를 탐색한다. 작년과 비교하여 모든 언어 방향에 참가한다. 이에 더해 En→{De, It, Zh} 방향에서는 ASR word-boosting과 오프라인 사전 번역 exemplar를 활용한 RAG(검색-증강 생성) 메커니즘을 결합하여 생성을 유도하고 도메인 특화 문맥으로 시스템을 보강하는 올해의 새로운 context track에도 참가한다. 마지막으로 우리 시스템에 대한 상세한 지연(latency) 분석을 제공한다. 작년과 비교하여 MCIF En→De 테스트 세트 결과는 +5.82 XCOMET-XL의 상당한 품질 향상을 보여준다. context track 처리는 성능을 추가로 +1.03만큼 더 향상시킨다.

arXiv:2606.17234v1cs.CL

자기 평가의 언어로 말하기: 기계 번역에서 LLM의 언어화된 신뢰도

Speaking in Self-Assessing Tongues: On the Verbalized Confidence of LLMs in Machine Translation

번역에 대한 대규모 언어 모델(LLM)의 급속한 인기 상승은 자신의 출력에 대한 신뢰도의 신뢰성을 철저히 연구할 필요를 제기한다. 많은 생성 작업과 달리, 번역 오류와 신뢰도 수준은 다양한 세분화 수준(토큰, 단어 또는 구간)에서 유용할 수 있다. 예측 확률과 같은 내부 신호에 기반한 비지도 접근법은 대안들 사이의 확신을 반영하는 것이지 정확성을 반영하는 것이 아니기 때문에 오해를 불러일으킬 수 있다. 또한 이러한 접근법들은 그러한 내부 신호에 대한 접근이 필요하다. 여기서 우리는 이러한 단점 없이 LLM의 토큰별 신뢰도를 추출하는 다섯 가지 언어화 방식을 고안하고, 이를 모델의 내부 확신 신호의 신뢰성과 비교한다. 우리는 미세 오류 탐지와 보정(calibration)이라는 두 가지 형태의 정렬(alignment)을 사용하여 신뢰성을 평가한다. 두 경우 모두, 내부 방식과 언어화 방식은 유사하게 수행되지만 결과는 모델에 따라 다르다. 흥미롭게도, 내부 방식과 언어화 방식 사이에는 거의 또는 전혀 상관관계가 없음을 발견한다.

arXiv:2606.16009v2cs.CL

사용성 격차를 메우기: 기계 통역 설계를 위한 통역학 연구의 교훈

Bridging the Usability Gap: Lessons from Interpreting Studies for Machine Interpreting Design

기계 통역(MI)은 음성 번역의 실시간 라이브 적용으로, 표준 벤치마크에서 놀라운 진전을 이루었으며 일부 시스템은 텍스트 충실도에서 인간 수준에 근접하고 있다. 그러나 사용자 경험은 통역사 중개 커뮤니케이션에 비해 여전히 크게 열세이며, 이는 우리가 정확도 환상(accuracy illusion)이라 부르는 현상을 드러낸다: 서면상으로는 정확해 보이지만 실제로는 원활하고 목표 지향적인 상호작용을 지원하지 못하는 시스템이다. 본 논문은 MI를 음성 번역의 독립적인 하위 분야로 정의하고, 고유한 특성과 고립된 충실도 지표가 아닌 의사소통 효과성에 기반한 평가 방법의 필요성을 제시한다. 통역학 연구의 통찰을 바탕으로, 현재 시스템이 간과하는 전문 통역 실무의 핵심 차원을 식별하고, 이를 미래 MI를 위한 세 가지 상호 의존적인 설계 우선순위로 통합한다: 에이전시(agency)(맥락 민감적 주도성과 수정), 그라운딩(grounding)(다중모달 및 담화 수준의 상황 인식), 경험(experience)(실제 상호작용을 통한 적응적 개선). 이러한 우선순위들은 함께 사용성 격차를 해소하고 실시간으로 진정한 다국어 의사소통을 지속할 수 있는 시스템을 가능하게 하는 경로를 제시한다.

arXiv:2605.21135v2cs.CL

더 똑똑한 편집? 오류 강조와 번역 제안을 활용한 사후 편집

Smarter edits? Post-editing with error highlights and translation suggestions

기계 번역(MT)의 품질이 향상됨에 따라 QE(품질 추정) 기반 오류 강조와 같은 향상된 사후 편집 기능에 대한 관심이 커지고 있으나, 그 유용성에 대한 증거는 여전히 제한적입니다. 본 연구에서는 자동 사후 편집(APE)을 기반으로 하는 LLM(대규모 언어 모델) 기반 오류 강조와 수정 제안의 유용성을 탐구합니다. 우리는 전문 번역가(영어-네덜란드어)가 APE 오류 강조와 수정 제안을 사용하여 번역문을 사후 편집하는 연구를 수행했으며, 이를 일반적인 PE와 QE 기반 강조를 사용한 PE와 비교하여 생산성, 품질 및 사용자 경험을 분석했습니다. 일반적인 PE와 비교하여 어떤 조건에서도 생산성이나 품질 향상은 나타나지 않았지만, APE 강조는 QE 기반 강조보다 더 긍정적으로 받아들여졌으며, 수정 제안은 전반적인 사용자 경험을 개선했습니다.

arXiv:2606.13507v1cs.CL

오디오-LLM을 활용한 음성 대 음성 학습 데이터 필터링

Leveraging Audio-LLMs to Filter Speech-to-Speech Training Data

노이즈가 포함된 대규모 음성 대 음성 번역(S2ST) 학습 데이터의 품질을 개선하기 위해 오디오-언어 모델(Audio-LLM)이 오디오에서 직접 데이터 유지 여부를 결정하도록 학습시키는 Rank-to-Distill 전략을 제안합니다. 제안된 방법은 CVSS-C 및 SpeechMatrix 벤치마크에서 필터링되지 않은 학습 대비 최대 +1.4 ASR-BLEU의 성능 향상을 달성했습니다.

arXiv:2606.13216v1cs.CL

신경망 기계 번역 및 추상적 요약에서의 환각 탐지를 위한 층별 최적 전송

Layer-Resolved Optimal Transport for Hallucination Detection in NMT and Abstractive Summarization

신경망 기계 번역(NMT)과 추상적 요약의 환각 탐지를 위해 디코더 레이어별 최적 전송(Optimal Transport, OT)을 적용하여 크로스 어텐션 분포를 분석한다. NMT에서는 소스 분리 유형의 환각 탐지에 효과적이나, 요약에서는 소스에 올바르게 주의하더라도 내용을 왜곡하는 경우에는 탐지 성능에 근본적인 한계가 있음을 확인한다.

arXiv:2606.13121v1cs.CL

NaturalFlow: 동시 음성 대 음성 번역에서 자연스러운 음성 흐름을 위한 불연속적인 멈춤 감소

NaturalFlow: Reducing Disruptive Pauses for Natural Speech Flow in Simultaneous Speech-to-Speech Translation

동시 음성 대 음성 번역(S2ST)에서 낮은 지연 시간 추구로 인한 불연속적인 음성 흐름 문제를 해결하기 위해, 모델 내부 신호를 활용해 청크 간 침묵을 최소화하는 유창성 인식 최적화 프레임워크를 제안한다. 이 방법은 다양한 벤치마크에서 자연스러운 음성 흐름을 구현하면서도 경쟁력 있는 지연 시간과 번역 품질을 유지한다.