同传翻译卡顿？新方法让AI同传不闪烁，质量延迟双赢！
Dynamic Lagging for Simultaneous Translation
📖 AI 总结
该研究提出了一种面向级联同声传译的动态延迟控制方法。核心思路是让仅经句子训练的 decoder-only LLM 具备前缀感知能力：通过在稳定前缀（即当前部分源文本与模型全句输出共享的最长前缀）与完整句对混合数据上微调，并采用单次强制解码回合，使已提交的目标文本随源文本增长而推进，从而从构造上消除系统闪烁。作者以 Qwen3-8B 进行英译德、日、中实验，用参考转录前缀模拟源流。结果显示，前缀微调在保持全句质量的同时提升了最差位置分块质量，并改善了 token 级提交置信度的校准，降低了早期源前缀的期望校准误差。在三种延迟控制机制中，基于该置信度的无训练阈值方法最为有效，能绘制出优于离散 wait-k 和目标后缀删除法的连续质量-延迟前沿，且在 FLEURS、WMT24++ 和 CoVoST 2 测试集上经 COMET 与 MetricX 评估均表现稳定。
🔑 关键词速览
| cascaded simultaneous speech translation | 级联同声语音翻译，指将语音识别和机器翻译串联，边识别边翻译的实时翻译系统。 |
| stable prefix | 稳定前缀，指当前部分源语言对应的所有可能翻译中，与完整源语言翻译共享的最长前缀，用于训练模型的前缀感知能力。 |
| force-decode | 强制解码，一种推理方式，模型在已有目标前缀的基础上继续生成，而不是从头开始。 |
| expected calibration error (ECE) | 期望校准误差，衡量模型预测置信度与实际正确率之间差距的指标，越低表示校准越好。 |
| wait-k | 一种同步翻译策略，模型等待k个源语言词后开始翻译，k为固定延迟。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅