PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.23002v1cs.CL

기계 번역과 후편집: 전문 번역에서 다양한 MT 시스템과 후편집자 그룹의 비교 평가

Machine Translation and Post-Editing: Comparative Evaluation of Different MT Systems and Post-Editor Groups in Specialised Translation

본 논문은 영어에서 프랑스어로 이어지는 전문 번역 맥락에서 기계 번역(MT)과 후편집(PE)의 품질을 평가하는 것을 목표로 한다. 세 가지 MT 시스템(DeepL, eTranslation, Systran)을 비교했으며, 언어학자/번역가와 NLP 전문가로 구성된 두 후편집자 그룹에 후편집을 수행하도록 요청했다. 번역 평가는 MT 및 PE 평가에 맞게 조정된 오류 유형론을 사용한 오류 주석에 기반한다. 결과는 세 MT 시스템과 두 후편집자 그룹 사이에, 특히 용어 정확성과 유창성 측면에서 유의미한 차이가 있음을 보여준다. 본 연구는 전문 번역에서 도메인 지식의 중요성과 함께, 특수 목적 언어(LSP)에서 MT 시스템의 한계와 가변적인 성능을 강조한다.

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.