Enhancing Gender-Inclusive Machine Translation with Neomorphemes and Large Language Models

机器翻译（MT）模型因性别偏见而闻名，特别是在翻译具有广泛性别形态的语言时。因此，它们仍然在使用包容性语言方面存在缺陷，这也代表了非二元身份。在本文中，我们研究了包容性新构词法，即避免二元性别标记的新词元素，作为更公平的MT方法。在这个方向上，我们使用大型语言模型（LLMs）探索提示技术，将英语翻译成意大利语，使用新构词法。迄今为止，由于其新颖性和缺乏公开可用的评估资源，这个领域一直未被充分开发。我们通过发布Neo-GATE来填补这一空白，这是一个旨在评估使用新构词法的包容性英意翻译的资源。使用Neo-GATE，我们评估了四个不同家族和大小的LLM以及不同的提示格式，在这个对于MT来说是新颖任务上识别了每个模型的优点和缺点。

本文试图通过使用新词素来实现性别包容的机器翻译，以解决机器翻译模型存在的性别偏见问题。该问题在使用具有广泛性别语法的语言进行翻译时尤为明显。

本文提出使用性别包容的新词素作为机器翻译的解决方案，并在大型语言模型上使用提示技术进行实验。作者还发布了一个名为Neo-GATE的资源，用于评估使用新词素的性别包容英意翻译。本文的新颖之处在于提出了使用新词素的方法来解决性别偏见问题。

本文使用了提示技术在四个不同大小和类型的大型语言模型上进行实验，并发布了一个用于评估性别包容英意翻译的资源。该资源名为Neo-GATE。作者指出，该方法可以进一步扩展到其他语言和其他任务中。本文的研究结果表明，使用新词素可以在一定程度上减少机器翻译模型的性别偏见。

最近的相关研究包括使用其他技术来实现性别包容的机器翻译，如使用性别中立的代词和词汇，以及使用性别标记的替代方法。其中一些研究的论文标题包括：《性别中立的机器翻译：一种方法》、《性别公正的机器翻译：使用代词和名词短语的性别中立化》等。