谷歌表示，机器翻译比人工翻译更“保守”

作者解释说，当翻译在结构上与源句子不同时，就会出现翻译差异。这可能是由固有的跨语言差异或译者的特殊偏好造成的。他们表示，这些差异自然发生在翻译过程中，可以很容易地在人工翻译中找到，包括那些用于训练MT系统的翻译。他们还强调，HT中存在的这些差异长期以来一直被视为是MT面临的重大挑战，最近的研究表明HT中存在大量的翻译差异。为此，他们进行了实验来评估MT和HT在形态句法差异方面的区别，了解这种区别的来源，并探索HT中的翻译差异如何影响MT质量。实验在三种语言对中进行：英语—法语、英语—德语和英语—汉语，使用WMT数据集。

保守的机器翻译

结果显示，MT比HT更“保守”，表现出更少的形态句法多样性，更多的趋同和一对一。他们还观察到，当原文具有不太常见的结构时，MT往往与HT不太相似。作者将这种差异归因于波束搜索的使用，这使MT偏向于更收敛的模式。当收敛模式在训练数据中频繁出现（大约50%的时间）时，这种偏差最为突出。文章作者表示：“这可能是因为模型已经看到了足够多的模式，给它分配了相当大的概率质量，但仍然有足够的不确定性，人类会经常选择其他模式，”。此外，即使在HT中不常见，MT中收敛模式的频率也会增加，这可能表明当前MT架构中存在更固有的结构偏差。最后，他们研究了HT中形态句法差异的存在如何影响MT质量，并发现，对于大多数形态句法差异，它们在HT中的存在与MT性能下降相关，这对MT系统提出了更大的挑战。作者强调，“这是第一部以如此精细的粒度呈现HT与MT的比较视角的作品，涵盖了数千种形态句法结构”，并表示他们有兴趣将相同的分析应用于大型语言模型（LLM）的机器翻译系统，并了解LLM翻译不同于传统MT模型产生的翻译。