arXiv发布Nheengatu-葡语双向翻译系统

发生了什么

据arXiv论文，研究团队发布了首个开源的Nheengatu与葡萄牙语双向机器翻译系统及可复现语料库管道。该工作构建了包含14.5k平行对的最大规模语料库，锚定于2023年巴西联邦宪法官方译文，并包含基于转录自发口语的首个MT评估集。最终系统在宪法文本上达到31.7--32.8 chrF++，在口语数据上达到45.2--47.5 chrF++。研究表明，加入转录对话使口语chrF++提升24--27点，而扩大NLLB模型仅有助于译入葡萄牙语。