Artikel ini menyajikan CSSEL-P2P, sebuah pendekatan berbasis data untuk terjemahan ucapan simultan yang menghindari perubahan arsitektur yang rapuh dan kebijakan baca/tulis eksplisit yang sering diperlukan oleh sistem LLM decoder-only. Metode ini memanfaatkan potongan panjang tetap untuk dekoding streaming kumulatif dengan awalan terkunci berbasis rewind, dikombinasikan dengan target prefix-to-prefix berlabel guru dan penundaan terbatas untuk fine-tuning.
- CSSEL-P2P meningkatkan kualitas streaming sebesar +1.54 COMETKiwi dibandingkan baseline streaming CSSEL pada latensi yang sebanding (+0.15s Average Lagging).
- Pendekatan ini mengatasi tantangan dalam ucapan percakapan di mana batas segmentasi ambigu, menawarkan alternatif yang efektif terhadap modifikasi arsitektur yang kompleks.
Hal ini menunjukkan bahwa terjemahan ucapan simultan dapat dicapai secara efektif melalui supervisi prefix-to-prefix tanpa memerlukan perubahan struktural pada model.