研究者はシチリア語のニューラル機械翻訳システムを再構築し、リソースが限られた言語の翻訳品質を向上させた
2026年10月24日付でarXivに掲載された技術論文（ID: 2610.30374v1）は、シチリア語向けの小規模なニューラル機械翻訳（NMT）システムの再構築に関する成果を報告している。具体的には、二言語対応の学術誌『Arba Sicula』のPDFから高品質な並列コーパスを抽出し、文対応の整合、形態素解析、および語幹に敏感なサブワード分割手法を改良したうえで、従来のPerl依存の処理フローをPerlを使わない実装へ移行した。さらに、実験では、ゼロから学習させる小型Transformerモデルと、事前学習済みモデルを微調整するNLLBモデルを比較した結果、後者の方が特にシチリア語への翻訳において顕著に優れていることを示した。
注目する理由：本論文は、絶滅危惧言語およびリソースが限られた言語であるシチリア語に対する再現性のある、エンジニアリングに基づいたNMTの実践的手法を提示しており、コーパス構築、モデルの適応、学習戦略の最適化といった重要な段階を網羅しています。また、すべての評価は凍結された「Arba Sicula」テストセットに基づいて行われており、手法は透明で制約も明確であり、技術的な参考価値を有しています。