التعلم الثنائي متعدد الوكلاء

لقد لاقت التعلم الثنائي اهتمامًا كبيرًا في مجتمعات التعلم الآلي ورؤية الحاسوب ومعالجة اللغة الطبيعية. تكمن الفكرة الأساسية للتعلم الثنائي في الاستفادة من الثنائية بين المهمة الأصلية (التحويل من المجال X إلى المجال Y) والمهام الثنائية (التحويل من المجال Y إلى X) لتعزيز أداء كلا المهمتين. تعتمد الأطر الحالية للتعلم الثنائي على نظام يضم نموذجين (نموذجًا أصليًا ونموذجًا ثنائيًا) للاستفادة من هذه الثنائية. في هذه الورقة، نوسع هذه الأطر من خلال إدخال عدة نماذج أصلية وثنائية، ونُقدّم إطار التعلم الثنائي متعدد الوكلاء. أظهرت التجارب على مهام الترجمة الآلية العصبية والترجمة الصورية فعالية الإطار الجديد. وبشكل خاص، قمنا بتحقيق رقم قياسي جديد على مهمة IWSLT 2014 للترجمة من الألمانية إلى الإنجليزية بتحصيل 35.44 نقطة BLEU، وحققنا 31.03 نقطة BLEU على مهمة WMT 2014 للترجمة من الإنجليزية إلى الألمانية، بزيادة تجاوزت 2.6 نقطة مقارنة بنموذج Transformer القوي، كما سجلنا رقمًا قياسيًا جديدًا بلغ 49.61 نقطة BLEU في مهمة WMT 2018 الحديثة للترجمة من الإنجليزية إلى الألمانية.