减少英语到罗马尼亚语机器翻译中的性别偏见

机器翻译 (MT) 系统通常无法正确翻译性别，尤其是在从英语等性别中立语言转换为罗马尼亚语等性别目标语言时。这种偏见导致翻译默认为男性形式或强化性别刻板印象。我们提出了一种混合管道，通过将基于 大语言模型 (LLM) 的性别分类与神经机器翻译 (NMT) 相结合来缓解此问题。我们的系统使用经过微调的 LLM 来检测英语句子中目标单词的预期性别，并插入内联性别提示标签。然后，这些标记的句子被传递到经过微调的 Transformer 模型，以生成形态正确的罗马尼亚语翻译。为了支持这一点，我们引入了三个用于性别消歧和翻译的新颖数据集。与基线 MT 系统相比，我们的方法将 WinoMT 和 WinoGender 基准的性别准确性提高了 40 个百分点以上。这是第一个使用 LLM 推理和标签感知翻译来明确解决和评估英语-罗马尼亚语 MT 中性别偏见的方法。