مع تقدم نماذج الترجمة الآلية (Machine Translation) ووصولها إلى مستويات عالية من الدقة، أصبح من الضروري ابتكار أساليب تقييم جديدة أكثر تحدياً لتفريق جودة هذه النماذج. في هذا السياق، نقدم تقنية جديدة تُعرف باسم "تحسين الترجمة العدائية" (Adversarial Translation Optimization - ATO)، التي تستخدم خبرات متقدمة لتنويع تحديات الترجمة.

تقوم هذه التقنية بدمج تحسين عدائي مع مُقدّر صعوبة الترجمة القابل للاشتقاق، مما يوفر وسيلة فعالة لزيادة صعوبة الترجمة. تتضمن العملية استبدال الكلمات بشكل تدريجي، مستفيدين من التحسينات المستندة إلى التدرجات التي تجمع بين هدف الصعوبة والطلاقة. تُعتبر هذه الطريقة بمثابة بحث شجري لاستبدال الكلمات دون الحاجة إلى تدريب نموذج خاص أو تنسيق بشري مكلف.

تشير نتائجنا إلى أن استخدام طريقة ATO يقلل من متوسط جودة الترجمة (xCOMET) من 0.93 إلى 0.82، في حين أن تقنيات إعادة الصياغة وصلت إلى 0.88. بالإضافة إلى ذلك، أظهرت التقييمات البشرية أن النصوص الناتجة تعد أقل طبيعية من الأسس المحددة، لكنها لا تزال تحتفظ بتركيب نحوي جيد ومقبول.

لتوسيع نطاق البحث، قمنا بإصدار مجموعتين من البيانات تحتوي كل منهما على 350 نصًا باللغة الإنجليزية تم إنشاؤها باستخدام أساليبنا، بالإضافة إلى الشيفرة المصدرية.

يمكن أن تساهم هذه الخطوة في تعزيز مستوى التحديات في عالم الترجمة، مما يحفز مزيداً من التطورات في هذا المجال.