यह राय पत्र MetaHOPE प्रस्तावित करता है, जो एक त्रुटि गंभीरता-जागरूक एनोटेशन ढांचा है जिसे मशीन अनुवाद (MT) और बड़े भाषा मॉडल (LLM) में रूपक अनुवाद का मूल्यांकन करने के लिए डिज़ाइन किया गया है। लेखक उन अर्थवैज्ञानिक जटिलताओं और सांस्कृतिक एम्बेडिंग्स को संबोधित करते हैं जो अक्सर NLP मॉडल के लिए अस्पष्टता का कारण बनते हैं।
- अध्ययन प्रतिनिधि न्यूरल MT और LLM प्रणालियों के रूप में GoogleMT, GPT5.4, और Hunyuan-7b का मूल्यांकन करता है।
- यह अंग्रेजी-से-चीनी और चीनी-से-अंग्रेजी अनुवाद कार्यों के लिए दो मानव-एनोटेटेड रूपक कॉर्पस, VUAMC और PSUCMC का उपयोग करता है।
- शोधकर्ताओं ने एकलभाषी स्रोत कॉर्पस पर MetaHOPE ढांचा लागू करके और मानव द्वारा पुनः संपादित गोल्ड संदर्भ उत्पन्न करके नए द्विभाषी संसाधन तैयार किए।
लेखकों का मानना है कि यह मूल्यांकन ढांचा, साझा समानांतर कॉर्पस संसाधनों और त्रुटि विश्लेषण के साथ, रूपक अनुवाद अध्ययन क्षेत्र के लिए उपयोगी अंतर्दृष्टि प्रदान कर सकता है।