arXiv 2503.197022025-03-25cs.CL

HausaNLP 在 SemEval-2025 任务 2：实体感知微调与提示工程在实体感知机器翻译中的比较

HausaNLP at SemEval-2025 Task 2: Entity-Aware Fine-tuning vs. Prompt Engineering in Entity-Aware Machine Translation

HausaNLP（豪萨NLP）；Kaduna State University（卡杜纳州立大学）；Ahmadu Bello University（艾哈迈杜·贝洛大学）；University of the Witwatersrand（金山大学）；Northeastern University（东北大学）；Imperial College（帝国理工学院）；Data Science for Social Impact, University of Pretoria（比勒陀利亚大学社会影响数据科学中心）

Abdulhamid Abubakar, Hamidatu Abdulkadir, Ibrahim Rabiu Abdullahi, Abubakar Auwal Khalid, Ahmad Mustapha Wali, Amina Aminu Umar, Maryam Bala, Sani Abdullahi San… 展开作者

Abdulhamid Abubakar, Hamidatu Abdulkadir, Ibrahim Rabiu Abdullahi, Abubakar Auwal Khalid, Ahmad Mustapha Wali, Amina Aminu Umar, Maryam Bala, Sani Abdullahi Sani, Ibrahim Said Ahmad, Shamsuddeen Hassan Muhammad, Idris Abdulmumin, Vukosi Marivate

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文报告了我们在 SemEval 2025 任务 2 实体感知机器翻译中的研究，通过比较实体感知微调与提示工程方法，处理命名实体翻译挑战，覆盖 10 种目标语言，并分享了实验结果与见解。

摘要：

本文介绍了我们在 SemEval 2025 任务 2（一项关于实体感知机器翻译（EA-MT）的共享任务）中的研究结果。该任务的目标是开发能够准确将英语句子翻译成目标语言的翻译模型，特别关注处理命名实体，这些实体常常给机器翻译系统带来挑战。该任务涵盖 10 种目标语言，以英语为源语言。在本文中，我们描述了所采用的不同系统，详细介绍了我们的结果，并讨论了从实验中获得的见解。

英文摘要：

This paper presents our findings for SemEval 2025 Task 2, a shared task on entity-aware machine translation (EA-MT). The goal of this task is to develop translation models that can accurately translate English sentences into target languages, with a particular focus on handling named entities, which often pose challenges for MT systems. The task covers 10 target languages with English as the source. In this paper, we describe the different systems we employed, detail our results, and discuss insights gained from our experiments.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。