Vilém Zouhar,Niyati Bafna,Mukund Choudhary,Maike Züfle,Sara Rajaee,Pinzhen Chen,Jannis Vamvas,Sara Papi,Ona de Gibert,Bhavitvya Malik,Eliya Habba,Orfeas Menis Mastromichalakis,Patrícia Schmidtová,Michelle Wastl,Sheriff Issaka,Leshem Choshen,Stella Biderman,Antonis Anastasopoulos,Jan Niehues,Rico Sennrich,Mrinmaya Sachan,Ondřej Bojar,Kenton Murray,Jörg Tiedemann,Alham Fikri Aji,Philipp Koehn,Christof Monz,Alexandra Birch,Sowmya Vajjala,Chalamalasetti Kranti,Cristina España-Bonet,Nobin Sarwar,David Kaczér,Shunta Asano,Malik Marmonier,Daban Q. Jaff,Vaisakhi Mishra,Hend Al- Khalifa,Gabriele Sarti,Sourajit Saha,Nils Rehlinger,Juan Daniel Cuervo Villa,Jonathan Tonglet,Saugata Purkayastha,Dominik Macháček,Jagannathan Ramanujam,Heejin Do,Zuzana Nadova,Fred Philippy,Fabian Retkowski,Maria Lymperaiou,Silvia Casola,Hanna Yukhymenko,Shubhashis Roy Dipta,Sangwon Ryu,Andrés Jerez,Ron Keinan,Shuaib Shuaib Yusuf,Avantica Vempati,Maria Carmen Staiano,Sukannya Purkayastha,Adrian Cosma,Vitalii Babenko,Erivan Inan,Aviral Nigam,Wafa Aissa,Fatima Haouari,Venkata Prasanth Kumar Gummadi,Mehdi Jafarzadeh,Valentin Scourneau,Lukas Edman,Kaiser Sun,Shaomu Tan,Mohammad Sadegh Gholizadeh,Johannes-Rudolf David,Dipankar Srirag,Javier García Gilabert,Ruta Binkyte,Manar Ali,Ana-Maria Bucur,Sabry E. Farrag,Youssef Saber,Yihong Liu,Jean Maillard,Cojocaru Nicoleta,Xiaochuang Yuan,Sina Ahmadi,Philipp Mondorf,Kaustubh Dhole,Roman Wixinger,Shenbin Qian,Manuel Tuor,Sergey Troshin,Jonathan Yahav,Fida Mohammad Thoker,Amir Arsalan Rezapour,Lance Calvin Lim Gamboa,Manon Reusens,Kätriin Kukk,Koel Dutta Chowdhury,Giuseppe Gallipoli,Christian Hoang,Shaswati Saha,Seth Aycock,Jan Kocoń,Bo Chen,Linh Vu,Vatsal Venkatkrishna,Arafat Ahsan,Luan Thanh Nguyen,Hassan Soliman,Daryna Dementieva,Theresia Veronika Rampisela,Ngoc Quynh Tram Do,Marius Huber,Kazuki Egashira,Azmine Toushik Wasi,Vladislav Poritski,Mike Zhang,Deep Shah,Paul Gavrikov,Luis Frentzen Salim,David Africa,R. Damanhuri,Bello Umar Bello,Anumit Garg,Gengyu Rao,Pawan Sasanka Ammanamanchi,Kamile Dementaviciute,Andrianos Michail,L D M S Sai Teja,Dawei Zhu,Yi Fan,Wei Liu,Farhan Farsi,Elias Herranen,Sankalan Pal Chowdhury,Karen Sanchez,Farzad Shami,Ashok Urlana,Zimu Wang,Tomasz Limisiewicz,Priyaranjan Pattnayak,Marii Ojastu,Hongbin Na,Emilian Radoi,Chenyi Zhao,Carlos Hinojosa,Andrea Gregor de Varda,Zaid Alyafeai,Reem Alzahrani,Nehal Kathrotia,Alex Flückiger,Ulysses Sekai Tully Carr,Jimson Paulo Layacan,Guy Kaplan,Ritwik Tiwari,Rishit Dagli,Oksana Volchek,Isaac R Caswell,Bowen Yi,Blanka Kövér,Amir Hossein Yari,Aicha Chorana,Zhengxiang Wang,Selja Keränen,Samuel Simko,Joy Olusanya,Jenny Chim,Enzo Doyen,Vivek Harsha Lakkamaneni,Sophia Conrad,Pouya Sadeghi,Panayiotis Panayiotou,Luis Lara,Jannatul Nayem,Eran Yahav,Debanshu Das,Antonia Karamolegkou,Anmol Goel,Aishik Mandal,Tommaso Cerruti,Raoyuan Zhao,Mykola Haltiuk,Thura Aung,Naser Almousa,Amir Hossein Kargaran,Rachel Bawden,Qiaoyuan Zheng,Mateusz Lango,Beni Egressy,Fidel Rodríguez Velásquez,Natchapon Jongwiriyanurak,Minh Ngoc Do,Marco Gaido,Lena Libon,Dzmitry Kuzmin,Badal Nyalang,Antoine Taroni,Andrei Niculae,Abdulaziz Nura Kani,Rushikesh Zawar,Marek Šuppa,Beatrice Savoldi,Andreas Simons,Rayyan Merchant,Ilai Yaron Levy,Francesco Pinto,Ziyi Yang,Yolanda Xavier,Samuel Frontull,Muhammad Ravi Shulthan Habibi,Kenneth Enevoldsen,Harris Abdul Majid,Francesca Padovani,Tim Graf,Tatiana Bielakova,Sharifa Djurabaeva,Shaoxiong Ji,Raia Abu Ahmad,Pavel Stepachev,Jirui Qi,Ayush Sunil Munot,Alireza Pakniat,Ayla Rigouts Terryn,Yuxing Lu,Yurii Paniv,Xiyan Fu,Tosin Adewumi,Sunisth Kumar,Stéphane J. P. S. Thunus,Shree Harsha Bokkahalli Satish,Shayan Bali,Prakhar Gupta,Papa Abdou Karim Karou Diallo,Matija Akrap,Marko Culjak,Kristýna Onderková,Joseph Attieh,Esrael Teferi Tensay,Elisabeth Fittschen,Benoît Sagot,Jingwei Ni,Yu Fan
Vilém Zouhar,Niyati Bafna,Mukund Choudhary,Maike Züfle,Sara Rajaee,Pinzhen Chen,Jannis Vamvas,Sara Papi,Ona de Gibert,Bhavitvya Malik,Eliya Habba,Orfeas Menis Mastromichalakis,Patrícia Schmidtová,Michelle Wastl,Sheriff Issaka,Leshem Choshen,Stella Biderman,Antonis Anastasopoulos,Jan Niehues,Rico Sennrich,Mrinmaya Sachan,Ondřej Bojar,Kenton Murray,Jörg Tiedemann,Alham Fikri Aji,Philipp Koehn,Christof Monz,Alexandra Birch,Sowmya Vajjala,Chalamalasetti Kranti,Cristina España-Bonet,Nobin Sarwar,David Kaczér,Shunta Asano,Malik Marmonier,Daban Q. Jaff,Vaisakhi Mishra,Hend Al- Khalifa,Gabriele Sarti,Sourajit Saha,Nils Rehlinger,Juan Daniel Cuervo Villa,Jonathan Tonglet,Saugata Purkayastha,Dominik Macháček,Jagannathan Ramanujam,Heejin Do,Zuzana Nadova,Fred Philippy,Fabian Retkowski,Maria Lymperaiou,Silvia Casola,Hanna Yukhymenko,Shubhashis Roy Dipta,Sangwon Ryu,Andrés Jerez,Ron Keinan,Shuaib Shuaib Yusuf,Avantica Vempati,Maria Carmen Staiano,Sukannya Purkayastha,Adrian Cosma,Vitalii Babenko,Erivan Inan,Aviral Nigam,Wafa Aissa,Fatima Haouari,Venkata Prasanth Kumar Gummadi,Mehdi Jafarzadeh,Valentin Scourneau,Lukas Edman,Kaiser Sun,Shaomu Tan,Mohammad Sadegh Gholizadeh,Johannes-Rudolf David,Dipankar Srirag,Javier García Gilabert,Ruta Binkyte,Manar Ali,Ana-Maria Bucur,Sabry E. Farrag,Youssef Saber,Yihong Liu,Jean Maillard,Cojocaru Nicoleta,Xiaochuang Yuan,Sina Ahmadi,Philipp Mondorf,Kaustubh Dhole,Roman Wixinger,Shenbin Qian,Manuel Tuor,Sergey Troshin,Jonathan Yahav,Fida Mohammad Thoker,Amir Arsalan Rezapour,Lance Calvin Lim Gamboa,Manon Reusens,Kätriin Kukk,Koel Dutta Chowdhury,Giuseppe Gallipoli,Christian Hoang,Shaswati Saha,Seth Aycock,Jan Kocoń,Bo Chen,Linh Vu,Vatsal Venkatkrishna,Arafat Ahsan,Luan Thanh Nguyen,Hassan Soliman,Daryna Dementieva,Theresia Veronika Rampisela,Ngoc Quynh Tram Do,Marius Huber,Kazuki Egashira,Azmine Toushik Wasi,Vladislav Poritski,Mike Zhang,Deep Shah,Paul Gavrikov,Luis Frentzen Salim,David Africa,R. Damanhuri,Bello Umar Bello,Anumit Garg,Gengyu Rao,Pawan Sasanka Ammanamanchi,Kamile Dementaviciute,Andrianos Michail,L D M S Sai Teja,Dawei Zhu,Yi Fan,Wei Liu,Farhan Farsi,Elias Herranen,Sankalan Pal Chowdhury,Karen Sanchez,Farzad Shami,Ashok Urlana,Zimu Wang,Tomasz Limisiewicz,Priyaranjan Pattnayak,Marii Ojastu,Hongbin Na,Emilian Radoi,Chenyi Zhao,Carlos Hinojosa,Andrea Gregor de Varda,Zaid Alyafeai,Reem Alzahrani,Nehal Kathrotia,Alex Flückiger,Ulysses Sekai Tully Carr,Jimson Paulo Layacan,Guy Kaplan,Ritwik Tiwari,Rishit Dagli,Oksana Volchek,Isaac R Caswell,Bowen Yi,Blanka Kövér,Amir Hossein Yari,Aicha Chorana,Zhengxiang Wang,Selja Keränen,Samuel Simko,Joy Olusanya,Jenny Chim,Enzo Doyen,Vivek Harsha Lakkamaneni,Sophia Conrad,Pouya Sadeghi,Panayiotis Panayiotou,Luis Lara,Jannatul Nayem,Eran Yahav,Debanshu Das,Antonia Karamolegkou,Anmol Goel,Aishik Mandal,Tommaso Cerruti,Raoyuan Zhao,Mykola Haltiuk,Thura Aung,Naser Almousa,Amir Hossein Kargaran,Rachel Bawden,Qiaoyuan Zheng,Mateusz Lango,Beni Egressy,Fidel Rodríguez Velásquez,Natchapon Jongwiriyanurak,Minh Ngoc Do,Marco Gaido,Lena Libon,Dzmitry Kuzmin,Badal Nyalang,Antoine Taroni,Andrei Niculae,Abdulaziz Nura Kani,Rushikesh Zawar,Marek Šuppa,Beatrice Savoldi,Andreas Simons,Rayyan Merchant,Ilai Yaron Levy,Francesco Pinto,Ziyi Yang,Yolanda Xavier,Samuel Frontull,Muhammad Ravi Shulthan Habibi,Kenneth Enevoldsen,Harris Abdul Majid,Francesca Padovani,Tim Graf,Tatiana Bielakova,Sharifa Djurabaeva,Shaoxiong Ji,Raia Abu Ahmad,Pavel Stepachev,Jirui Qi,Ayush Sunil Munot,Alireza Pakniat,Ayla Rigouts Terryn,Yuxing Lu,Yurii Paniv,Xiyan Fu,Tosin Adewumi,Sunisth Kumar,Stéphane J. P. S. Thunus,Shree Harsha Bokkahalli Satish,Shayan Bali,Prakhar Gupta,Papa Abdou Karim Karou Diallo,Matija Akrap,Marko Culjak,Kristýna Onderková,Joseph Attieh,Esrael Teferi Tensay,Elisabeth Fittschen,Benoît Sagot,Jingwei Ni,Yu Fan

For scientific progress, we need benchmarks that test the limits of state-of-the-art models, and evaluation methods that inform us about failure cases. As models get stronger, standard benchmarks for machine translation are approaching saturation. Further, automatic translation metrics are unreliable, vulnerable to reward-hacking, and provide unactionable assessments. Even gold human evaluation is not problem-free, because it often lacks reproducibility, objectivity, and scalability. Overall, this prevents us from tracking objective progress in the field and identifying pathways for improvement. We introduce the Last Translation Benchmark, a collection of human-authored and peer-reviewed examples (texts, images, audio, videos) that break leading machine translation models. We also present a new evaluation approach: each example comes with handcrafted verification rules describing concrete failure cases on that example, therefore allowing reliable and actionable future evaluation. The Last Translation Benchmark is a live dataset that accepts ongoing contributions. The latest version is LTBv1, containing accepted contributions prior to September 1st 2026, with future releases planned as new data is continuously collected.


翻译:暂无翻译

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
华为人大清华最新论文:推荐领域的Benchmark终于出现了?
【Facebook】人工智能基准(Benchmarking)测试再思考,55页ppt
专知会员服务
32+阅读 · 2020年12月20日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
35+阅读 · 2019年10月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
61+阅读 · 2019年10月17日
白话attention综述(上)
AINLP
12+阅读 · 2019年12月14日
论文盘点:CVPR 2019 - 文本检测专题
PaperWeekly
14+阅读 · 2019年5月31日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
近期语音类前沿论文
深度学习每日摘要
14+阅读 · 2019年3月17日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
用 LDA 和 LSA 两种方法来降维和做 Topic 建模
AI研习社
13+阅读 · 2018年8月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
0+阅读 · 9月20日
VIP会员
最新内容
俄罗斯如何拦截乌克兰无人机与巡航导弹
专知会员服务
8+阅读 · 10月15日
《武器-目标分配问题:精确与近似求解算法》
专知会员服务
11+阅读 · 10月15日
综述|谁来改进机器人?迈向物理递归自我改进
专知会员服务
10+阅读 · 10月14日
软件定义无人机蜂群给防空带来全新压力
专知会员服务
10+阅读 · 10月13日
《半自主无人地面战车的互操作性》66页
专知会员服务
14+阅读 · 10月13日
相关资讯
白话attention综述(上)
AINLP
12+阅读 · 2019年12月14日
论文盘点:CVPR 2019 - 文本检测专题
PaperWeekly
14+阅读 · 2019年5月31日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
近期语音类前沿论文
深度学习每日摘要
14+阅读 · 2019年3月17日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
用 LDA 和 LSA 两种方法来降维和做 Topic 建模
AI研习社
13+阅读 · 2018年8月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员