arXiv cs.CL· Dingming Li, Yiwen Qiu, Linjuan Wu, Hongxing Li, Zixuan Wang, Xinze Lyu, Ye Guo, Daoxin Zhang, Zhe Xu, Weiming Lu, Yongliang Shen·· 14 小时前AI 评分29
Culture-MMT：面向视觉 grounding 文化翻译的分布式证据诊断基准
Beyond Words Alone: Disentangling Distributed Evidence for Visually Grounded Cultural Translation
AI 导读
研究者提出 Culture-MMT，一个针对社交媒体翻译中"分布式证据语用重建"的诊断基准，含 498 条去标识化 UGC 实例，覆盖 20 个领域，按所需证据分为 Symbol、Visual、Hybrid 三类。
正文 · AI 翻译
作者：Dingming Li、Yiwen Qiu、Linjuan Wu、Hongxing Li、Zixuan Wang、Xinze Lyu、Ye Guo、Daoxin Zhang、Zhe Xu、Weiming Lu、Yongliang Shen
摘要：社交媒体实现了跨语言交流，但用户生成内容（UGC）的含义往往分散在文本、图像和文化知识中，使翻译颇具挑战。现有评测通常将图像视为可选，并假定文本信息已足够，从而掩盖了错误究竟源于缺失视觉证据还是文化适配不足。我们提出 \textbf{Culture-MMT}，一个用于社交媒体翻译中\textbf{分布式证据语用重构}的诊断基准。它包含 498 个经过筛选、去标识化的 UGC 实例，覆盖 20 个领域，并按所需证据分为符号、视觉和混合三类。我们还开发了一个与人类对齐的领域专用评判器 Judger，以及一个受控评测框架，系统性地改变翻译器可用的证据。在 17 种模型配置中，真实图像使视觉类性能提升 +0.280、混合类提升 +0.197，但符号类仅提升 +0.050，而随机图像未带来可比增益。人工撰写的描述进一步表明，即使视觉事实明确，联合依赖的案例仍然更具挑战性。这些结果将文化有效的社交媒体翻译刻画为{从分布式证据中重构意义}，并凸显视觉 grounding 与文化语用适配是两类不同的模型瓶颈。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2610.35482 [cs.CL] |
| （或 arXiv:2610.35482v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.35482 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Dingming Li [查看邮箱]
[v1]
2026年10月26日星期一 14:11:54 UTC（2,783 KB）
来源：arXiv cs.CL · arxiv.org