跳到正文
智迹闻AuraTracer

研究:反向翻译提升低资源机器翻译

本机阅读

发生了什么

据arXiv cs.CL论文,研究利用反向翻译(BT)与单语数据提升大模型在低资源机器翻译中的效果。相较于继续预训练,使用微调后的LLM翻译单语句子生成配对进行反向训练更有效。在奥里亚语和斯瓦希里语上使用1K平行对,BT比继续预训练高出7.7至16.4 XCOMET-XXL点。在五类低资源语言中,BT比仅平行微调提高16至173% XCOMET-XXL。盲测人类评估结果与自动指标一致。

平行数据量
1K pairs
对比提升幅度
7.7至16.4 XCOMET-XXL
总体提升幅度
16至173%

报道与来源

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

  1. arXiv cs.CL一手材料

    Back-Translation Still Matters: Leveraging Monolingual Data for Low-Resource Machine Translation with LLMs

来源关系与证据边界

按已记录的来源角色展示;连线仅表示原生身份流程确认的同稿入口,不表示独立佐证或跨报道引用。

  1. 一手材料1 个发布入口