본 논문은 WMT 2025 자동 번역 품질 평가 시스템 태스크 3 - 품질 추정(QE) 기반 세그먼트 수준 오류 수정에 제출된 두 가지 접근 방식을 제시한다. QE 시스템과 자동 사후 편집(APE)을 함께 훈련하는 것이 두 작업 모두의 성능을 향상시켰지만, APE 시스템은 기계 번역(MT) 출력을 과도하게 수정하여 성능 저하를 초래하는 것으로 알려져 있다. 본 연구에서는 훈련이 필요 없는 간단한 방식인 QE 기반 재번역을 조사하고, 동일한 훈련이 필요 없는 패러다임 내에서 다른 방식과 비교한다. 우승 접근 방식은 여러 LLM에서 생성된 여러 후보 중에서 최고 품질의 번역을 선택한다. 두 번째 접근 방식은 APE와 유사하며, 제공된 QE 설명에 지정된 대로 LLM에게 오류 부분 문자열을 교체하도록 지시한다. 편집 횟수를 최소화하고 편집 대비 이득 비율을 최대화하기 위해 조건부 휴리스틱을 사용했다. 두 가지 접근 방식은 각각 Delta COMET 점수 0.0201과 -0.0108을 달성했으며, 첫 번째 접근 방식이 하위 작업 리더보드에서 1위를 차지했다.
