研究:反向翻译提升低资源机器翻译
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。
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。
- 一手材料1 个发布入口