文章插图

图14 KSTER 在相关样本上的翻译结果

4

总结

本文主要介绍了 KSTER，一种有效的机器翻译系统在线更新方法。其在机器翻译领域适应和多领域机器翻译上均表现出优异的效果。同时展示了它的在线修复 bad case的能力。
参考文献
[1] Vaswani et al. "Attention is All You Need". Proceedings of the 31st International Conference on Neural Information Processing Systems.
[2] Khandelwal et al. "Nearest Neighbor Machine Translation". ICLR 2021: The Ninth International Conference on Learning Representations.
[3] Jiang et al. "Learning Kernel-Smoothed Machine Translation with Retrieved Examples". Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing.

文章插图

雷锋网

• 测试|解码自动驾驶商业化进阶的亦庄样本
• 恶意软件|报告称 2021 年 Linux 的恶意软件样本数量增加了 35%
• 中文|爱数智慧CEO张晴晴：基于”情感“的人机交互，要从底层数据开始
• 米家|从零开始，基于群晖轻松玩转开源homeassistant智能家居前期搭建
• |基于LM2576HV-ADJ的多输出电源
• 进步奖|招标股份董秘回复：公司研发的生态环境数字孪生平台在下游应用领域更多基于客户自身需求
• 京东云打造“特色样本” 助推数字经济发展
• 基于蜜网的工业互联网协同检测技术研究
• 近日|科学家开发出基于FBG传感原理的触觉传感器应用于微创手术组织触诊
• 墨芯人工智能完成数亿元A轮融资，基于稀疏架构的首颗云端AI芯片即将量产