软件学报

作者：张建新，郭沛，李俊涛，张民

单位：张建新，苏州大学 计算机科学与技术学院, 江苏 苏州 21500811,郭沛，苏州大学 计算机科学与技术学院, 江苏 苏州 21500802,李俊涛，苏州大学 计算机科学与技术学院, 江苏 苏州 21500803,张民，苏州大学 计算机科学与技术学院, 江苏 苏州 21500804

关键词：非自回归翻译 (NAT);句法信息;依存关系;机器翻译

基金：国家自然科学基金(62206194); 江苏省自然科学基金(BK20220488)

完全非自回归翻译(fully non-autoregressive translation, Fully NAT)的主要挑战在于, 如何在保持解码速度优势的同时, 达到与自回归翻译(autoregressive translation, AT)相当的翻译质量. 这是因为并行解码的特性使得Fully NAT方法难以捕捉目标端的依赖信息, 从而导致翻译质量下降. 因此, 利用源端的依赖信息来增强模型能力显得十分自然, 尤其是在句法信息已被证明能够有效提升AT方法效果的背景下. 尽管近年来这一领域取得了显著进展, 但关于在Fully NAT中应用句法信息的研究仍然有限. 通过在5个翻译基准(如workshop on machine translation, WMT)上的实验发现, 依存语法信息对Fully NAT方法非常有帮助, 可以显著提升翻译表现, 同时解码速度的损失成本也在可接受范围内. 代码开源地址https://github.com/tianxiexiaozhu77/syngec.

来源：2026年第2期

《软件学报》期刊编辑部

查看软件学报杂志2026年第2期