Buchumschlag

Towards Tailored Recovery of Lexical Diversity in Literary Machine Translation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ploeger, Esther, Lai, Huiyuan, van Noord, Rik, Toral, Antonio
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-perspective Alignment for Increasing Naturalness in Neural Machine Translation
von: Lai, Huiyuan, et al.
Veröffentlicht: (2024)

Creativity Bias: How Machine Evaluation Struggles with Creativity in Literary Translations
von: Gerrits, Kyo, et al.
Veröffentlicht: (2026)

Are Character-level Translations Worth the Wait? Comparing ByT5 and mT5 for Machine Translation
von: Edman, Lukas, et al.
Veröffentlicht: (2023)

We Need to Measure Data Diversity in NLP -- Better and Broader
von: Nguyen, Dong, et al.
Veröffentlicht: (2025)

What is "Typological Diversity" in NLP?
von: Ploeger, Esther, et al.
Veröffentlicht: (2024)

TACLer: Tailored Curriculum Reinforcement Learning for Efficient Reasoning
von: Lai, Huiyuan, et al.
Veröffentlicht: (2026)

Do Language Models Care About Text Quality? Evaluating Web-Crawled Corpora Across 11 Languages
von: van Noord, Rik, et al.
Veröffentlicht: (2024)

Multilingual Gradient Word-Order Typology from Universal Dependencies
von: Baylor, Emi, et al.
Veröffentlicht: (2024)

Fluency and Faithfulness in Human and Machine Literary Translation
von: Griebel, Sarah, et al.
Veröffentlicht: (2026)

PMB5: Gaining More Insight into Neural Semantic Parsing with Challenging Benchmarks
von: Zhang, Xiao, et al.
Veröffentlicht: (2024)

The Analysis of Lexical Errors in Machine Translation from English into Romanian
von: Stamatie, Angela
Veröffentlicht: (2025)

A Principled Framework for Evaluating on Typologically Diverse Languages
von: Ploeger, Esther, et al.
Veröffentlicht: (2024)

Crowdsourcing Lexical Diversity
von: Khalilia, Hadi, et al.
Veröffentlicht: (2024)

Multiple References with Meaningful Variations Improve Literary Machine Translation
von: Wu, Si, et al.
Veröffentlicht: (2024)

Language Models on a Diet: Cost-Efficient Development of Encoders for Closely-Related Languages via Additional Pretraining
von: Ljubešić, Nikola, et al.
Veröffentlicht: (2024)

Towards Robustness of Text-to-Visualization Translation against Lexical and Phrasal Variability
von: Lu, Jinwei, et al.
Veröffentlicht: (2024)

mCoT: Multilingual Instruction Tuning for Reasoning Consistency in Language Models
von: Lai, Huiyuan, et al.
Veröffentlicht: (2024)

How Good Are LLMs for Literary Translation, Really? Literary Translation Evaluation with Humans and LLMs
von: Zhang, Ran, et al.
Veröffentlicht: (2024)

Extending CREAMT: Leveraging Large Language Models for Literary Translation Post-Editing
von: Castaldo, Antonio, et al.
Veröffentlicht: (2025)

CharSpan: Utilizing Lexical Similarity to Enable Zero-Shot Machine Translation for Extremely Low-resource Languages
von: Maurya, Kaushal Kumar, et al.
Veröffentlicht: (2023)

Towards Chapter-to-Chapter Context-Aware Literary Translation via Large Language Models
von: Jin, Linghao, et al.
Veröffentlicht: (2024)

Multidimensional Consistency Improves Reasoning in Language Models
von: Lai, Huiyuan, et al.
Veröffentlicht: (2025)

Using Language Models to Disambiguate Lexical Choices in Translation
von: Barua, Josh, et al.
Veröffentlicht: (2024)

G-DIG: Towards Gradient-based Diverse and High-quality Instruction Data Selection for Machine Translation
von: Pan, Xingyuan, et al.
Veröffentlicht: (2024)

Findings of the WMT 2024 Shared Task on Discourse-Level Literary Translation
von: Wang, Longyue, et al.
Veröffentlicht: (2024)

(Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts
von: Wu, Minghao, et al.
Veröffentlicht: (2024)

Extending Multilingual Machine Translation through Imitation Learning
von: Lai, Wen, et al.
Veröffentlicht: (2023)

Towards Zero-Shot Multimodal Machine Translation
von: Futeral, Matthieu, et al.
Veröffentlicht: (2024)

Neural Recovery of Historical Lexical Structure in Bantu Languages from Modern Data
von: Mutisya, Hillary, et al.
Veröffentlicht: (2026)

MAS-LitEval : Multi-Agent System for Literary Translation Quality Assessment
von: Kim, Junghwan, et al.
Veröffentlicht: (2025)

Leveraging Diverse Modeling Contexts with Collaborating Learning for Neural Machine Translation
von: Liao, Yusheng, et al.
Veröffentlicht: (2024)

WatME: Towards Lossless Watermarking Through Lexical Redundancy
von: Chen, Liang, et al.
Veröffentlicht: (2023)

Probing Large Language Models for Scalar Adjective Lexical Semantics and Scalar Diversity Pragmatics
von: Lin, Fangru, et al.
Veröffentlicht: (2024)

Diverse Word Choices, Same Reference: Annotating Lexically-Rich Cross-Document Coreference
von: Zhukova, Anastasia, et al.
Veröffentlicht: (2026)

Measuring Lexical Diversity of Synthetic Data Generated through Fine-Grained Persona Prompting
von: Kambhatla, Gauri, et al.
Veröffentlicht: (2025)

OntoURL: A Benchmark for Evaluating Large Language Models on Symbolic Ontological Understanding, Reasoning and Learning
von: Zhang, Xiao, et al.
Veröffentlicht: (2025)

A 2-step Framework for Automated Literary Translation Evaluation: Its Promises and Pitfalls
von: Shafayat, Sheikh, et al.
Veröffentlicht: (2024)

Toward Machine Translation Literacy: How Lay Users Perceive and Rely on Imperfect Translations
von: Xiao, Yimin, et al.
Veröffentlicht: (2025)

Enhancing Contrastive Demonstration Selection with Semantic Diversity for Robust In-Context Machine Translation
von: Patterson, Owen, et al.
Veröffentlicht: (2025)

Towards Trustworthy Lexical Simplification: Exploring Safety and Efficiency with Small LLMs
von: Hayakawa, Akio, et al.
Veröffentlicht: (2025)