詞彙重疊對多語言機器翻譯中知識遷移的影響

多語言神經機器翻譯（Multilingual Neural Machine Translation, MNMT）旨在利用單一模型處理多種語言之間的翻譯任務，其中知識遷移（knowledge transfer）是提升性能的關鍵機制，尤其對於語言親屬關係密切的語言對。然而，關於詞彙重疊（vocabulary overlap）在多大程度上驅動這種遷移，學界尚未達成共識。通常，研究者採用聯合詞彙表（joint vocabulary）來構建統一的詞嵌入空間，但分離詞彙表（disjoint vocabulary）的影響較少被探究。2026年5月，來自赫爾辛基大學的Oona Itkonen和Jörg Tiedemann在arXiv預印本上發表了一項系統性研究，旨在量化詞彙重疊對MNMT知識遷移的實際貢獻。他們設計了嚴謹的實驗，比較了聯合詞彙表和分離詞彙表在不同輔助語言條件下的表現。實驗採用了跨領域（out-of-domain）設置，以突出遷移效果和輔助語言的影響。輔助語言被分為與源語言相關（如英語與德語）和不相關（如英語與日語）兩類。研究結果證實了預期：相關語言之間更廣泛的詞彙重疊確實帶來了更好的翻譯質量。但更重要的是，實驗表明，領域匹配（domain match）和語言關聯性（language relatedness）對遷移的促進作用甚至超過了詞彙重疊本身。換言之，即使在沒有共享詞彙的情況下，只要源語言和目標語言在領域上相似或具有語言學上的親緣關係，知識遷移依然可以高效發生。這一發現對MNMT的系統設計具有直接指導意義。它提示研究者，在構建多語言模型時，不應過分依賴聯合詞彙表來促進遷移，而應更關注訓練數據中的領域一致性以及語言之間的結構相似性。例如，對於資源稀缺的語言，選擇與其領域相近或同語系的輔助語言，可能比強制統一詞彙表更為有效。此外，該研究還指出了未來方向：需要進一步探索詞彙重疊與語言結構相似性之間的交互作用，以及在更大規模語言對上的驗證。總之，這項研究釐清了詞彙重疊在MNMT中的作用邊界，為更高效的多語言翻譯系統設計提供了實證依據。