Cet article d'opinion propose MetaHOPE, un cadre d'annotation conscient de la gravité des erreurs conçu pour évaluer les traductions de métaphores dans la traduction automatique (TA) et les grands modèles de langage (LLM). Les auteurs traitent de la complexité sémantique et des intégrations culturelles qui causent souvent de l'ambiguïté pour les modèles NLP.

  • L'étude évalue GoogleMT, GPT5.4 et Hunyuan-7b en tant que systèmes TA neuronaux et LLM représentatifs.
  • Elle utilise deux corpus de métaphores annotés par des humains, VUAMC et PSUCMC, pour les tâches de traduction anglais-chinois et chinois-anglais.
  • Les chercheurs ont produit de nouvelles ressources bilinguales en appliquant le cadre MetaHOPE à des corpus sources monolingues et en générant des références or post-éditées par des humains.

Les auteurs estiment que ce cadre d'évaluation, ainsi que les ressources de corpus parallèles partagés et l'analyse des erreurs, peuvent fournir des insights utiles pour le domaine de l'étude de la traduction de métaphores.