Acceso usuarios
Carlos Manuel Hidalgo Ternero, Vicent Briva Iglesias
Las expresiones pluriverbales ("EP") siguen suponiendo un desafío para la traducción automática neuronal ("TAN"), especialmente en sus formas discontinuas. En este contexto, el presente estudio evalúa la capacidad de los modelos de lenguaje de gran tamaño ("LLM", por sus siglas en inglés) de propósito general para abordar estas limitaciones, mediante una comparación sistemática del rendimiento de Google Translate, DeepL y "GPT-4o" en la traducción de "EP" del español al inglés. Para ello, se tradujo automáticamente y se evaluó manualmente, por lingüistas expertos, un conjunto de datos (de código abierto) compuesto por 600 ejemplos, equilibrado entre "EP" continuas y discontinuas. Los resultados indican que "GPT-4o" supera estadísticamente a los sistemas "TAN" para ambos tipos de "EP", así como revelan que los "LLM" tratan la flexibilidad sintáctica y la idiomaticidad con mayor eficacia que la "TAN", abriendo la puerta a nuevas investigaciones sobre las implicaciones de los "LLM" en la traducción automática.
Multiword expressions ("MWEs") remain a persistent challenge in neural machine translation ("NMT"), particularly when they appear in discontinuous forms. In this context, the present study evaluates the ability of general-purpose large language models ("LLMs") to address these limitations by systematically comparing the performance of Google Translate, DeepL, and "GPT-4o" in translating Spanish-to-English "MWEs". A dataset of 600 examples—balanced between continuous and discontinuous "MWEs"—was machine translated and manually evaluated by two expert linguists. The results indicate that "GPT-4o" statistically significantly outperforms "NMT" systems in both forms of the "MWEs", while DeepL and Google Translate exhibit substantial declines in performance for discontinuous "MWEs". The results from this study show that general-purpose "LLMs" handle syntactic flexibility and idiomaticity more effectively than traditional "NMT" approaches. The study also contributes an open-source dataset and invites further research on "LLM" applications in "MT".
