缓解英罗机器翻译中的性别偏见：混合流水线提升准确率超40个百分点

机器翻译（MT）系统常常无法正确翻译性别，尤其是在将英语这样的性别中立语言转换为罗马尼亚语等有性别区分的目标语言时。这种偏差导致翻译默认使用阳性形式或强化性别刻板印象。我们提出了一种混合流水线，通过结合基于大语言模型（LLM）的性别分类与神经机器翻译（NMT）来缓解这一问题。我们的系统使用微调后的LLM来检测英语句子中目标词的预期性别，并插入内联性别提示标签。然后，这些带有标签的句子被传递给一个微调后的Transformer模型，以生成形态正确的罗马尼亚语翻译。为此，我们引入了三个用于性别消歧和翻译的新数据集。与基线MT系统相比，我们的方法在WinoMT和WinoGender基准上的性别准确率提高了超过40个百分点。这是首个使用LLM推理和标签感知翻译来明确解决和评估英罗MT中性别偏差的方法。