この意見論文は、機械翻訳（MT）および大規模言語モデル（LLM）におけるメタファーの翻訳を評価するために設計された、エラーの重大度 aware な注釈フレームワークであるMetaHOPEを提案する。著者たちは、NLPモデルにとって曖昧さを引き起こしがちな意味的複雑性と文化的埋め込みに対処する。

  • 本研究は、代表的なニューラルMTおよびLLMシステムとしてGoogleMT、GPT5.4、Hunyuan-7bを評価している。
  • 英語から中国語へ、および中国語から英語への翻訳タスクのために、2つの人間注釈付きメタファーコーパスであるVUAMCとPSUCMCを利用している。
  • 研究者たちは、MetaHOPEフレームワークを単一言語のソースコーパスに適用し、人間の後編集によるゴールドリファレンスを生成することで、新しいバイリンガルリソースを作成した。

著者たちは、この評価フレームワークと共に、共有された並列コーパスリソースおよびエラー分析が、メタファー翻訳研究の分野にとって有用な洞察を提供できると考えている。