抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
効率的な機械翻訳モデルは,推論速度を増加させ,コストと炭素排出量を低減するので,商業的に重要である。最近,非自己回帰(NAR)モデルに多くの関心が寄せられ,それはより速い翻訳を約束する。NARモデルに関する研究と並行して,効率的な翻訳に関するWMT共有タスクの一部として最適化自己回帰モデルを作成する試みが成功している。本論文では,NARモデルに関する文献に存在する評価方法論における欠陥を指摘し,最先端のNARモデルと共有タスクに対する自己回帰サブミッションの間の公正な比較を提供した。著者らは,NARモデルの一貫した評価と,効率改善のための他の広く使用された方法とのNARモデルの比較の重要性について,その事例を作成した。C++に実装された接続者-時間-分類ベース(CTC)NARモデルで実験を行い,それを壁クロック時間を用いてARモデルと比較した。結果は,NARモデルがGPU上では小さいが,小さなバッチサイズでは,それらはより現実的な使用条件下でほとんど常に遅いことを示した。将来の研究におけるNARモデルのより現実的で広範な評価を要求する。【JST・京大機械翻訳】