论文发现机器翻译中不同句子从额外搜索获得的收益并不相同。
资讯摘要
论文研究质量感知解码（QAD）在机器翻译中的搜索效用问题。作者指出，QAD 通常对每个源句使用相同的候选预算 N，但不同句子从额外候选中获得的收益并不相同。研究用总扩展增益、边际扩展增益和采样饱和点三个量刻画搜索效用，并比较候选集扩展前的句子级信号与搜索中候选池统计量对这三者的预测能力。结果显示，句子级信号与总扩展增益相关，但对饱和点信息有限；候选池属性则能提示边际增益，并可用于识别额外搜索收益更大的句子。
要点速读
- 论文质疑 QAD 对每个源句固定候选预算 N 的常见做法，指出额外候选带来的质量增益因句而异。
- 作者用总扩展增益、边际扩展增益和采样饱和点三个量衡量搜索效用。
- 句子级信号与总扩展增益相关但对饱和点信息有限；候选池属性可提示边际增益，并帮助识别额外搜索收益更大的句子。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。