Maskinöversättning har en blind fläck när det gäller kön. Vid översättning från engelska, ett språk utan grammatiskt kön, till rumänska, ett språk med strikt könsbestämning, faller systemen ofta tillbaka på maskulina former eller förstärker skadliga stereotyper. Detta är inte bara ett mindre fel; det är ett systematiskt bias som förvränger betydelsen och utesluter hälften av befolkningen.

Forskare har utvecklat en ny hybriddata pipeline för att åtgärda detta specifika misslyckande. Systemet arbetar i två distinkta steg. Först analyserar en finjusterad stor språkmodell den engelska källtexten för att fastställa det avsedda könet för specifika ord. Den infogar sedan specialmarkerade inline-taggar i meningen för att markera dessa kön. Därefter läser en neural maskinöversättningsmodell dessa taggade meningar och genererar rumänska översättningar som respekterar de angivna könsmarkörerna. Denna metod säkerställer att morfologisk korrekthet är inbakad i översättningsprocessen snarare än att lämnas åt slumpen.

Resultaten är slående. Genom att explicit adressera könsambiguitet förbättras noggrannheten på WinoMT- och WinoGender-benchmarks med över fyrtio procentenheter jämfört med baslinjesystem. Detta är ett enormt steg framåt och markerar första gången forskare har kombinerat inferens från stora språkmodeller med taggmedveten översättning för att hantera engelsk-till-rumänsk könsbias. Teamet introducerade också tre nya dataset för att stödja arbetet, vilket ger en tydligare väg för att utvärdera könsdisambiguering inom maskinöversättning.

Läxan är klar: att ignorera kön i översättning är inte längre en acceptabel teknisk överhet. Genom att använda stora språkmodeller för att upptäcka avsikten innan översättning kan vi skapa system som inte bara är mer korrekta utan också mer rättvisa. Denna hybrida metod sätter en ny standard för hur vi hanterar lingvistiska nyanser i automatisk översättning och bevisar att teknik kan designas för att spegla hela spektrat av mänsklig identitet.