AMiner推荐论文：Facebook AI WMT21 News Translation Task Submission

论文链接：https://www.aminer.cn/pub/6111f7de5244ab9dcb065084?f=cs
Meta 提出的单个多语言模型，首次超过最佳双语模型，赢得了著名的 WMT 竞赛。
机器翻译（MT）领域的最终目标是构建一个通用的翻译系统，以帮助用户获取信息并更好地相互联系。但是 MT 领域需要解决实际应用中遇到的基本局限性，未来才能更好的使用。
如今，大多数 MT 系统使用双语模型组，这通常需要为每个语言对和任务提供大量标记示例。不幸的是，这种方法对于训练数据很少的语言（例如冰岛语、豪萨语）来说失败了。双语模型组的高度复杂性使得它无法扩展到大型实际应用程序中，因为每天有数十亿人用数百种语言发布信息。
为了构建通用翻译器，来自 Meta 的研究者认为 MT 领域应该从双语模型转向多语言翻译（Multilingual translation）——多语言模型即一个模型可以同时翻译许多语言对，包括对低资源语言对（例如，冰岛语到英语的翻译）和高资源语言对（例如，英语到德语的翻译）的翻译。
由于多语言翻译更简单、更容易扩展、并且更适合低资源语言等特点，更容易受到研究者的青睐。但直到现在，多语言翻译无法为高资源语言对提供与双语模型（经过特殊训练的）一样好的结果。因此，提供跨多种语言的高质量翻译通常涉及使用单个双语模型的组合，而对于低资源语言来说，实现还比较困难。
现在，Meta 的研究取得了突破性的进展：首次单一的多语言模型在 14 个语言对中有 10 个超过了经过特别训练的最好的双语模型，赢得了 WMT（一个著名的 MT 比赛）比赛。该单一多语言模型为低资源和高资源语言提供了最佳翻译，表明多语言方法确实是 MT 的未来。
AMiner,让AI帮你理解科学！https://www.aminer.cn