arXiv cs.CL· Javier Garcia Gilabert, Rico Sennrich, Andr\'e F. T. Martins·· 11 小时前AI 评分27
更多搜索何时有用？机器翻译质量感知解码中搜索效用的实证研究
When is more search useful? An Empirical Study of Search Utility in Quality-Aware Decoding for Machine Translation
AI 导读
针对质量感知解码（QAD）对每个源句固定分配相同候选预算 N 的假设，实证研究发现句子间从额外候选中获得的质量增益差异显著。研究用总缩放增益、边际缩放增益和采样饱和点三个量刻画搜索效用，发现句级信号与总缩放增益相关但对饱和点信息量有限，而当前候选池的统计特性可有效预测边际增益。这些信号能识别出选择性增加搜索时收益更大的句子。
正文 · AI 翻译
摘要：质量感知解码（Quality-Aware Decoding, QAD）通过测试时扩展提升机器翻译质量，生成多个候选译文，并用质量感知解码器选出最终输出。通常每个源句子都花费相同的候选预算 N，假设所有输入都需要相同数量的搜索。我们表明这一假设并不成立，并且从额外候选中获得的质量增益因句子而异。我们通过三个量来研究搜索效用：总扩展增益，即一个句子从大得多的候选池中能获得多少质量提升；边际扩展增益，即再生成一批候选所带来的期望增益；以及采样饱和点，即实现大部分总扩展增益所需的候选预算。我们研究了预测这些量的两类信息来源：候选集扩展之前可获得的信号，以及搜索过程中累积的候选池所计算出的统计量。我们发现句子级信号与总扩展增益相关，但对采样饱和点的信息量较少。相比之下，当前候选池的属性为边际扩展增益提供了有用的信号。最后，我们表明这些信号能够识别出在选择性应用额外搜索时获得更大增益的句子。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.32679 [cs.CL] |
| （或 arXiv:2610.32679v1 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.32679 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Javier García Gilabert [查看邮箱]
[v1]
2026年10月23日星期五 14:15:48 UTC（3,589 KB）
来源：arXiv cs.CL · arxiv.org