Carnegie Mellon University（卡内基梅隆大学）

Fine-Grained Reward Optimization for Machine Translation using Error Severity Mappings

细粒度奖励优化用于机器翻译的误差严重性映射

Miguel Moura Ramos, Tomás Almeida, Daniel Vareta, Filipe Azevedo, Sweta Agrawal, Patrick Fernandes, André F. T. Martins

机构 * Instituto Superior Técnico, Universidade de Lisboa (ELLIS Unit Lisbon)（里斯本大学理工学院（ELLIS单位里斯本）） ； Instituto de Telecomunicações（电信研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； TransPerfect Core contributor（TransPerfect核心贡献者） 纠错

AI总结 本文提出利用细粒度词级奖励和误差严重性映射优化，提升机器翻译质量与训练稳定性。

SePer: Measure Retrieval Utility Through The Lens Of Semantic Perplexity Reduction

SePer：通过语义困惑度降低的视角衡量检索效用

Lu Dai, Yijie Xu, Jinhui Ye, Hao Liu, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 SePer通过语义困惑度降低衡量检索效用，提供更精确的RAG评估方法

Comments ICLR 2025 Spotlight