Buchumschlag

How to Learn in a Noisy World? Self-Correcting the Real-World Data Noise in Machine Translation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Meng, Yan, Wu, Di, Monz, Christof
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Disentangling the Roles of Target-Side Transfer and Regularization in Multilingual Machine Translation
von: Meng, Yan, et al.
Veröffentlicht: (2024)

On the Evaluation Practices in Multilingual NLP: Can Machine Translation Offer an Alternative to Human Translations?
von: Choenni, Rochelle, et al.
Veröffentlicht: (2024)

Do Language Models Reason Across Languages?
von: Meng, Yan, et al.
Veröffentlicht: (2026)

Is It a Free Lunch for Removing Outliers during Pretraining?
von: Liao, Baohao, et al.
Veröffentlicht: (2024)

Beyond Shared Vocabulary: Increasing Representational Word Similarities across Languages for Multilingual Machine Translation
von: Wu, Di, et al.
Veröffentlicht: (2023)

Analyzing the Evaluation of Cross-Lingual Knowledge Transfer in Multilingual Language Models
von: Rajaee, Sara, et al.
Veröffentlicht: (2024)

3-in-1: 2D Rotary Adaptation for Efficient Finetuning, Efficient Batching and Composability
von: Liao, Baohao, et al.
Veröffentlicht: (2024)

Self-Hinting Language Models Enhance Reinforcement Learning
von: Liao, Baohao, et al.
Veröffentlicht: (2026)

Communicating with Speakers and Listeners of Different Pragmatic Levels
von: Naszadi, Kata, et al.
Veröffentlicht: (2024)

How Far Can 100 Samples Go? Unlocking Overall Zero-Shot Multilingual Translation via Tiny Multi-Parallel Data
von: Wu, Di, et al.
Veröffentlicht: (2024)

Remedy: Learning Machine Translation Evaluation from Human Preferences with Reward Modeling
von: Tan, Shaomu, et al.
Veröffentlicht: (2025)

Best-of-L: Cross-Lingual Reward Modeling for Mathematical Reasoning
von: Rajaee, Sara, et al.
Veröffentlicht: (2025)

Lost in Translation and Noise: A Deep Dive into the Failure Modes of VLMs on Real-World Tables
von: Singh, Anshul, et al.
Veröffentlicht: (2025)

Please Translate Again: Two Simple Experiments on Whether Human-Like Reasoning Helps Translation
von: Wu, Di, et al.
Veröffentlicht: (2025)

Control the Temperature: Selective Sampling for Diverse and High-Quality LLM Outputs
von: Troshin, Sergey, et al.
Veröffentlicht: (2025)

Calibrating Translation Decoding with Quality Estimation on LLMs
von: Wu, Di, et al.
Veröffentlicht: (2025)

Pay Attention to Real World Perturbations! Natural Robustness Evaluation in Machine Reading Comprehension
von: Wu, Yulong, et al.
Veröffentlicht: (2025)

From Words to Worlds: Benchmarking Cross-Cultural Cultural Understanding in Machine Translation
von: Han, Bangju, et al.
Veröffentlicht: (2026)

DSAEval: Evaluating Data Science Agents on a Wide Range of Real-World Data Science Problems
von: Sun, Maojun, et al.
Veröffentlicht: (2026)

DRIFT: Learning from Abundant User Dissatisfaction in Real-World Preference Learning
von: Wang, Yifan, et al.
Veröffentlicht: (2025)

Beyond SELECT: A Comprehensive Taxonomy-Guided Benchmark for Real-World Text-to-SQL Translation
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Agentic Reinforcement Learning for Real-World Code Repair
von: Zhu, Siyu, et al.
Veröffentlicht: (2025)

TEaR: Improving LLM-based Machine Translation with Systematic Self-Refinement
von: Feng, Zhaopeng, et al.
Veröffentlicht: (2024)

ClusComp: A Simple Paradigm for Model Compression and Efficient Finetuning
von: Liao, Baohao, et al.
Veröffentlicht: (2025)

NoisyICL: A Little Noise in Model Parameters Calibrates In-context Learning
von: Zhao, Yufeng, et al.
Veröffentlicht: (2024)

Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence
von: Dong, Guanting, et al.
Veröffentlicht: (2026)

ClinicalLab: Aligning Agents for Multi-Departmental Clinical Diagnostics in the Real World
von: Yan, Weixiang, et al.
Veröffentlicht: (2024)

Combining the Best of Both Worlds: A Method for Hybrid NMT and LLM Translation
von: Wu, Zhanglin, et al.
Veröffentlicht: (2025)

Frontier-Eng: Benchmarking Self-Evolving Agents on Real-World Engineering Tasks with Generative Optimization
von: Chi, Yizhe, et al.
Veröffentlicht: (2026)

World-Model-Augmented Web Agents with Action Correction
von: Shen, Zhouzhou, et al.
Veröffentlicht: (2026)

SearchGym: Bootstrapping Real-World Search Agents via Cost-Effective and High-Fidelity Environment Simulation
von: Zhang, Xichen, et al.
Veröffentlicht: (2026)

RealMem: Benchmarking LLMs in Real-World Memory-Driven Interaction
von: Bian, Haonan, et al.
Veröffentlicht: (2026)

Evaluating Bias in Spoken Dialogue LLMs for Real-World Decisions and Recommendations
von: Wu, Yihao, et al.
Veröffentlicht: (2025)

Translation of Multifaceted Data without Re-Training of Machine Translation Systems
von: Moon, Hyeonseok, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Machine Translation with Unstructured Knowledge
von: Wang, Jiaan, et al.
Veröffentlicht: (2024)

RepoTransBench: A Real-World Multilingual Benchmark for Repository-Level Code Translation
von: Wang, Yanli, et al.
Veröffentlicht: (2024)

On the Role of Model Prior in Real-World Inductive Reasoning
von: Liu, Zhuo, et al.
Veröffentlicht: (2024)

DetectRL: Benchmarking LLM-Generated Text Detection in Real-World Scenarios
von: Wu, Junchao, et al.
Veröffentlicht: (2024)

The Effect of Language Diversity When Fine-Tuning Large Language Models for Translation
von: Stap, David, et al.
Veröffentlicht: (2025)

A Pragmatist Robot: Learning to Plan Tasks by Experiencing the Real World
von: Qu, Kaixian, et al.
Veröffentlicht: (2025)