arXiv · cs.AI· Mich-Seth Owusu, Stephen E. Moore, Akwasi Asare, Lawrence Adu Gyamfi, Paul Azunre, Joel Budu, Jonathan Asiamah·· 1 天前
GLOSS-MT：通过可编辑词典实现可控的低资源机器翻译
GLOSS-MT: Controllable Low-Resource Machine Translation with an Editable Dictionary
arXiv:2610.24730v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mich-Seth Owusu, Stephen E. Moore, Akwasi Asare, Lawrence Adu Gyamfi, Paul Azunre, Joel Budu, Jonathan Asiamah
研究任务与主要进展
GLOSS-MT通过离线英—Twi词典替换源语名词短语，并仅微调一次翻译模型，以提升低资源语言翻译的可控性。基于论文摘要，在84篇、四个领域的英文至阿散特Twi基准上，各微调模型的chrF2较预训练基线提升2.85至5.48；三个NLLB微调模型取得50.12至50.80的chrF2。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org