@进行中{helcl-etal-2022-non,title=“非自回归机器翻译:它不像看上去那么快”,author=“Helcl,Jind{\v{r}ich和哈多、巴里和亚历山德拉·伯奇”,editor=“Carpuat,海军陆战队和德马内夫、玛丽·凯瑟琳和Meza Ruiz,Ivan Vladimir“,booktitle=“计算语言学协会北美分会2022年会议记录:人类语言技术”,月份=七月,年=“2022”,address=“美国西雅图”,publisher=“计算语言学协会”,url=“https://aclantology.org/2022.naacl-main.129",doi=“10.18653/v1/2022.naacl-main.129”,pages=“1780--1790”,abstract=“高效的机器翻译模型在商业上很重要,因为它们可以提高推理速度,降低成本和碳排放。最近,非自回归(NAR)受到了广泛关注模型,保证更快的翻译。在对NAR模型进行研究的同时,已经成功尝试创建优化的自回归模型,作为WMT高效翻译共享任务的一部分。在本文中,我们指出了NAR模型文献中存在的评估方法的缺陷,并对最先进的NAR模型和共享任务的自回归提交进行了公平比较。我们证明了NAR模型的一致性评估,以及将NAR模型与其他广泛使用的方法进行比较以提高效率的重要性。我们使用一个在C++中实现的基于连接主义临时分类(CTC)的NAR模型进行了实验,并将其与使用挂钟时间的AR模型进行了比较。我们的结果表明,尽管NAR模型在GPU上更快,批量较小,但在更实际的使用条件下,它们几乎总是较慢。我们呼吁在未来的工作中对NAR模型进行更现实和广泛的评估。”,}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“helcl-etal-2022-non”><标题信息>非自回归机器翻译:它不像看上去那么快</titleInfo><name type=“personal”>JindřichHelcl服务器<角色>作者</角色></name><name type=“personal”>巴里哈多<角色>作者</角色></name><name type=“personal”>亚历山大桦树<角色>作者</角色></name><originInfo>2022-07发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会北美分会2022年会议记录:人类语言技术</titleInfo><name type=“personal”><namePart type=“given”>海洋</namePart><namePart type=“family”>卡普瓦特</namePart><角色>编辑器</角色></name><name type=“personal”>玛丽·凯瑟琳马内夫<角色>编辑器</角色></name><name type=“personal”>伊凡弗拉基米尔梅扎·鲁伊斯<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>美国西雅图</place></originInfo>会议出版物</relatedItem>高效的机器翻译模型在商业上很重要,因为它们可以提高推理速度,降低成本和碳排放。最近,人们对非自回归(NAR)模型产生了很大的兴趣,它可以保证更快的翻译。在对NAR模型进行研究的同时,已经成功地尝试创建优化的自回归模型,作为高效翻译的WMT共享任务的一部分。在本文中,我们指出了NAR模型文献中存在的评估方法的缺陷,并对最先进的NAR模型和共享任务的自回归提交进行了公平比较。我们证明了NAR模型的一致性评估,以及将NAR模型与其他广泛使用的方法进行比较以提高效率的重要性。我们使用一个在C++中实现的基于连接主义临时分类(CTC)的NAR模型进行了实验,并将其与使用挂钟时间的AR模型进行了比较。我们的结果表明,尽管NAR模型在GPU上更快,批量较小,但在更现实的使用条件下,它们几乎总是更慢。我们呼吁在未来的工作中对NAR模型进行更现实和广泛的评估helcl-etal-2022-non10.18653/v1/2022.naacl-main.129<位置><网址>https://aclantology.org/2022.naacl-main.129</url></位置><部分>2022-07年<扩展单元=“page”><开始>17801790年</范围></部分></mods></mods集合>
%0会议记录%非自回归机器翻译:它并没有看起来那么快%赫尔克,金德里奇%巴里,阿哈多%亚历山德拉白桦%Y Carpuat,海军%Y de Marneffe,玛丽·凯瑟琳%Y Meza Ruiz,伊万·弗拉基米尔%计算语言学协会北美分会2022年会议记录:人类语言技术%D 2022年%7月8日%计算语言学协会%C美国西雅图%F helcl-etal-2022-non公司%高效的机器翻译模型在商业上很重要,因为它们可以提高推理速度,降低成本和碳排放。最近,人们对非自回归(NAR)模型产生了很大的兴趣,它可以保证更快的翻译。在对NAR模型进行研究的同时,已经成功尝试创建优化的自回归模型,作为WMT高效翻译共享任务的一部分。在本文中,我们指出了NAR模型文献中存在的评估方法的缺陷,并对最先进的NAR模型和共享任务的自回归提交进行了公平比较。我们提出了对NAR模型进行一致评估的理由,以及将NAR模型与其他广泛使用的方法进行比较以提高效率的重要性。我们使用一个在C++中实现的基于连接主义临时分类(CTC)的NAR模型进行了实验,并将其与使用挂钟时间的AR模型进行了比较。我们的结果表明,尽管NAR模型在GPU上更快,批量较小,但在更实际的使用条件下,它们几乎总是较慢。我们呼吁在未来的工作中对NAR模型进行更现实和广泛的评估。%R 10.18653/v1/2022.naacl-main.129%U型https://aclantology.org/2022.naacl-main.129%U型https://doi.org/10.18653/v1/2022.naacl-main.129%电话:1780-1790
降价(非正式)
[非自回归机器翻译:它不像看上去那么快](https://acl选集.org/2022.naacl-main.129)(Helcl等人,NAACL 2022)
国际计算语言学协会
- Jindřich Helcl、Barry Haddow和Alexandra Birch。2022非自回归机器翻译:并没有看上去那么快.英寸计算语言学协会北美分会2022年会议记录:人类语言技术,第1780-1790页,美国西雅图。计算语言学协会。