2026년 10월 24일, 시칠리아어를 대상으로 한 신경기계번역(NMT) 시스템 재구축 연구가 arXiv에 게재되었습니다(논문 번호 2610.30374v1). 이 연구는 현재 노이즈가 많은 네트워크 텍스트 학습에 의존하는 다국어 대규모 모델의 시칠리아어 번역 품질을 향상시키는 것을 목표로 하며, Wdowiak가 이전에 해당 언어를 위해 맞춤 제작한 소형 NMT 시스템을 새롭게 개발했습니다.
팀은 이중언어 학술지 ‘Arba Sicula’의 PDF 문서를 기반으로, 잘 관리된 소프트웨어를 활용해 병렬 코퍼스 추출 프로세스를 재구성하였다. 언어 독립형 문장 인코더를 사용하여 문장 대응을 수행하고, 임계값은 수동 대응 결과를 통해 보정한 뒤, 전형적인 자동 대응 오류를 필터링하였다. 또한 기존 시스템에서 Perl에 의존하던 토크나이제이션 및 굴절어 어미에 민감한 하위 단어 분할 방식을 Perl 없이 구현된 방식으로 이전하였다. 모든 실험 결과는 해당 학술지에서 도출된 고정 테스트 세트上で 평가되었다.
연구에서는 영어↔시칠리아어, 이탈리아어↔시칠리아어 양방향 작업에서 이탈리아어를 근연 브릿지 언어로 활용한, 제로-초기화 학습을 거친 소형 트랜스포머 모델과 저랭크 미세조정(LoRA)으로 적응된 사전훈련 NLLB 모델을 비교하였다. 또한 저자는 기존 시스템의 ‘역방향 훈련’ 전략(즉, 네트워크를 이용해 시칠리아어를 역번역하여 점수를 매긴 뒤 《Arba Sicula》 문학 코퍼스를 추가하는 방식)을 NLLB 모델에 적용하였다. 그 결과, 사전훈련 NLLB 모델이 제로-초기화 모델보다 전반적으로 우수하며, 특히 단계적 훈련 전략이 시칠리아어 번역 성능 향상에 더욱 두드러진 효과를 보이는 것으로 나타났다.
원 시스템 테스트 세트와 원래의 분석 공간 하에서, 더 큰 어댑터와 더 많은 역번역 데이터를 갖춘 staged 모델은 영어↔시칠리아어 방향에서는 기존의 역방향 학습 방식보다 우수한 성능을 보였으나, 시칠리아어↔이탈리아어 방향에서는 다소 열세였다. 또한, 다국어 어댑터는 학습에 참여하지 않은 언어 간의 성능을 저하시켜, 범용 다국어 모델로서의 활용 범위를 제한한다.