arXiv cs.CL· Navam Obeysekara, Nevidu Jayatilleke·· 9 天前AI 评分18
僧伽罗语到英语 NMT 中的病理性幻觉检测：Fact over Fiction
Fact over Fiction: Detection of Pathological Hallucinations in Sinhala-to-English Neural Machine Translation
AI 导读
研究者提出面向僧伽罗语到英语神经机器翻译的无参考幻觉检测框架，构建了 45,000 条合成样本数据集，通过五种语言学驱动的概率式污染策略生成，并用字符级相似度的语义救援机制区分幻觉与形态变体。
正文 · AI 翻译
摘要：神经机器翻译（NMT）模型虽然能够生成高度流畅的输出，但仍然容易产生幻觉，即译文自然流畅却与源文语义无关。在僧伽罗语到英语等低资源场景中，这种脆弱性尤为突出，因为薄弱的跨语言对齐会导致幻觉。本文提出了一个针对该语言对的无参考幻觉检测框架。我们提出了一个包含 45,000 个样本的合成数据集，该数据集通过五种具有语言学动机的破坏策略的概率链生成，并带有一种语义救援机制，利用字符级相似度将幻觉与形态变体区分开来。我们微调 mDeBERTa-v3 用于词元级序列标注，在源文不相交的测试集上，三个随机种子下达到词元级 F1 为 0.841 +/- 0.001，并研究了一个三信号集成，整合了神经风险分数、序列对数概率和跨语言语义嵌入（LaBSE）。源文消融对照表明，检测器依赖僧伽罗语源文，而非破坏过程的表面伪影：打乱或移除源文会使句子级 AUROC 从 0.970 降至随机水平。我们基准测试了涵盖五个模型家族的八个 NMT 系统，发现检测器触发次数在不同架构之间相差一个数量级。
| 评论： | 11 页，1 幅图，7 张表，被第 13 届计算语言学与语音处理会议（ROCLING）2026 接收的论文 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.11389 [cs.CL] |
| （或 arXiv:2610.11389v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11389 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Nevidu Jayatilleke 先生 [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 07:19:51 UTC（289 KB）
来源：arXiv cs.CL · arxiv.org