Prompting LLMs: Length Control for Isometric Machine Translation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F25%3A10511591" target="_blank" >RIV/00216208:11320/25:10511591 - isvavai.cz</a>

Výsledek na webu

<a href="https://aclanthology.org/2025.iwslt-1.11/" target="_blank" >https://aclanthology.org/2025.iwslt-1.11/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.18653/v1/2025.iwslt-1.11" target="_blank" >10.18653/v1/2025.iwslt-1.11</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Prompting LLMs: Length Control for Isometric Machine Translation

Popis výsledku v původním jazyce

In this study, we explore the effectiveness of isometric machine translation across multiple language pairs (En-De, En-Fr, and En-Es) under the conditions of the IWSLT Isometric Shared Task 2022. Using eight open-source large language models (LLMs) of varying sizes, we investigate how different prompting strategies, varying numbers of few-shot examples, and demonstration selection influence translation quality and length control. We discover that the phrasing of instructions, when aligned with the properties of the provided demonstrations, plays a crucial role in controlling the output length. Our experiments show that LLMs tend to produce shorter translations only when presented with extreme examples, while isometric demonstrations often lead to the models disregarding length constraints. While few-shot prompting generally enhances translation quality, further improvements are marginal across 5, 10, and 20-shot settings. Finally, considering multiple outputs allows to notably improve overall tradeoff

Název v anglickém jazyce

Prompting LLMs: Length Control for Isometric Machine Translation

Popis výsledku anglicky

In this study, we explore the effectiveness of isometric machine translation across multiple language pairs (En-De, En-Fr, and En-Es) under the conditions of the IWSLT Isometric Shared Task 2022. Using eight open-source large language models (LLMs) of varying sizes, we investigate how different prompting strategies, varying numbers of few-shot examples, and demonstration selection influence translation quality and length control. We discover that the phrasing of instructions, when aligned with the properties of the provided demonstrations, plays a crucial role in controlling the output length. Our experiments show that LLMs tend to produce shorter translations only when presented with extreme examples, while isometric demonstrations often lead to the models disregarding length constraints. While few-shot prompting generally enhances translation quality, further improvements are marginal across 5, 10, and 20-shot settings. Finally, considering multiple outputs allows to notably improve overall tradeoff

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EH23_020%2F0008518" target="_blank" >EH23_020/0008518: Jazykověda, umělá inteligence a jazykové a řečové technologie: od výzkumu k aplikacím</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 22nd International Conference on Spoken Language Translation (IWSLT 2025)

ISBN

979-8-89176-272-5

ISSN

—

e-ISSN

—

Počet stran výsledku

19

Strana od-do

119-137

Název nakladatele

Association for Computational Linguistics

Místo vydání

Kerrville, TX, USA

Místo konání akce

Wien, Austria

Datum konání akce

31. 7. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—