arXiv · cs.AI· Divyanshu Bathla, Parag Singla, Jitin Singla·· 1 天前
LLM利用单语数据和回译改进低资源机器翻译
Back-Translation Still Matters: Leveraging Monolingual Data for Low-Resource Machine Translation with LLMs
arXiv:2610.18818v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Divyanshu Bathla, Parag Singla, Jitin Singla
研究任务与主要进展
基于论文摘要，研究人员提出利用低资源语言单语数据生成回译句对，以改进LLM的低资源语言翻译，并在并行数据微调中交错更新。使用1K对奥迪亚语和斯瓦希里语句对时，回译较继续预训练在域内XCOMET-XXL上提高7.7至16.4个点，且超过使用10倍并行数据的模型；在五种低资源语言和两个3B骨干模型上，其相对并行数据微调的提升为16%至173%，奥迪亚语和梵语盲评与自动指标一致。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org