이 의견 논문은 기계 번역(MT) 및 대규모 언어 모델(LLM)에서 은유 번역을 평가하기 위해 설계된 오류 심각도 인식 주석 프레임워크인 MetaHOPE를 제안합니다. 저자들은 NLP 모델에게 종종 모호성을 유발하는 의미적 복잡성과 문화적 임베딩에 대응합니다.
- 본 연구는 대표적인 뉴럴 MT 및 LLM 시스템으로 GoogleMT, GPT5.4, Hunyuan-7b를 평가합니다.
- 영어에서 중국어 및 중국어에서 영어로 번역 작업을 위해 두 개의 인간 주석 은유 코퍼스인 VUAMC와 PSUCMC를 활용합니다.
- 연구자들은 MetaHOPE 프레임워크를 단언어 소스 코퍼스에 적용하고 인간의 사후 편집된 골드 레퍼런스를 생성하여 새로운 양국어 자료를 제작했습니다.
저자들은 이 평가 프레임워크와 공유 병렬 코퍼스 자료 및 오류 분석이 은유 번역 연구 분야에 유용한 통찰력을 제공할 수 있다고 믿습니다.