규모보다 정밀도: 오픈소스 및 상용 모델을 능가하는 폴란드어-실레지아어 벤치마크 및 번역 시스템
Precision over Scale: A Polish-Silesian Benchmark and a Translation System Outperforming Open-Source and Commercial Models
한국어 초록
방언 기계 번역(machine translation)은 제한된 데이터와 표준화되고 잘 정제된 텍스트를 가정하는 경우가 많은 표준 벤치마크에서는 포착되지 않는 강한 언어적 변이로 인해 여전히 난제로 남아 있습니다. 본 연구에서는 신경망 및 규칙 기반 시스템을 활용하여 폴란드어-실레지아어 기계 번역을 탐구하며, 기존의 BOUQuET 및 FLORES 벤치마크와 함께 새로운 폴란드어-실레지아어 테스트셋인 SiLTT에서 평가(evaluation)를 진행합니다. 실험 결과, 규칙 기반 시스템이 SiLTT 및 BOUQuET 데이터셋(dataset)에서 일관되게 가장 우수한 성능을 보였으며, 정선된 데이터셋으로 파인튜닝(fine-tuning)한 TranslateGemma는 강력한 신경망 베이스라인 대비 성능을 향상시켰으나 방언 환경에서는 규칙 기반 시스템을 넘어서지 못했습니다. 향후 연구를 지원하기 위해 SiLTT와 최고 성능의 신경망 모델(model)을 공개합니다.
원문 초록
Dialectal machine translation remains challenging due to limited data and strong linguistic variation not captured by standard benchmarks, which often assume standardized and well-edited text. We study Polish-Silesian MT using neural and rule-based systems, evaluating on SiLTT - a new Pol-Szl testset, alongside established BOUQuET and FLORES benchmarks. Results show our rule-based system is consistently strongest on SiLTT and BOUQuET datasets and that TranslateGemma fine-tuned on a curated dataset improves over strong neural baselines but does not surpass the rule-based system in dialectal settings. We release SiLTT and our best neural model to support further research.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
공통 태그로 연결된 공개 논문이 아직 없습니다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.
저자 비고
arXiv Comments
Accepted at EMNLP 2026 Findings