论文
CompactQE：通过小型开放权重 LLM 进行可解释的翻译质量估计
CompactQE: Interpretable Translation Quality Estimation via Small Open-Weight LLMs
摘要
当前最先进的机器翻译质量估计 (QE) 依赖于大量专有的 LLM，引发了数据隐私问题。我们证明，较小的开源 LLM（<30B 参数）是一种可行、经济高效且保护隐私的替代方案。使用单遍提示策略，我们的模型同时生成质量分数、MQM 错误注释、建议的错误更正和完整的后期版本。我们的分析表明，这些模型与人类判断实现了高度竞争的系统级相关性，优于传统的神经指标、微调模型和人类注释者间一致性，有效地近似了更大的专有 LLM 的功能。