首个英语-米佐语法律机器翻译数据集与基准

首个英语-米佐语法律平行语料发布，微调NLLB提升7.16 BLEU

资讯摘要

论文构建首个英语-米佐语印度法院判决平行数据集，含13,168个句对，由专业母语译者翻译、人工对齐并经两名独立审校。作者发现法律术语多保留英语，日常词汇多用米佐语，变音符号使用不一致。微调NLLB 200 1.3B后在1000句对平衡法律测试集上BLEU为27.47，较基座提升7.16，但英语词使用频率约为人工译者的三倍。

要点速读

1. 数据集含13,168个句对，来自Gauhati高等法院与印度最高法院，经专业译者翻译和人工对齐、双人复核。
2. 作者观察到官方与法律术语几乎保留英语，日常动作、情境和结果类词汇多用米佐语，变音符号使用不一致。
3. 微调NLLB 200 1.3B在1000句对测试集上BLEU 27.47，比基座高7.16，但英语词使用频率约为人工译者三倍。

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 2026/10/23 08:00:11（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。