回译方法提升低资源机器翻译

一项新研究提出，在低资源机器翻译中，利用单语数据更有效的方式是回译，而非继续预训练。作者 Divyanshu Bathla、Parag Singla 和 Jitin Singla 称，先用微调后的 LLM 翻译单语句子生成句对，再用这些句对反向训练模型，并交错更新平行语料以稳定学习。 在 Odia 和 Swahili 上仅用 1K 平行句对时，回译在领域内比继续预训练高出 7.7 至 16.4 个 XCOMET-XXL 分；用 beam 解码生成中间译文时，还超过了平行数据多 10 倍的模型。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。