adaptMLLM：利用集成 LLM 游乐场在低资源语言上微调多语言语言模型

多语言语言模型（MLLMs）和大语言模型的出现激发了自然语言处理许多领域的创新。尽管该技术具有令人兴奋的潜力，但其在为低资源语言开发高质量机器翻译（MT）输出方面的影响仍相对未被充分探索。此外，目前尚无专门用于微调 MLLMs 并管理低资源语言完整 MT 工作流的开源应用程序。我们旨在通过开发 adaptMLLM 来解决这些不平衡问题，该应用简化了为 MT 微调 MLLMs 所涉及的所有流程。这款开源应用程序专为从事 MT 的开发人员、翻译人员和用户量身定制。直观的界面允许轻松定制超参数，该应用还提供一系列模型评估指标，并具备直接在应用内部署模型作为翻译服务的能力。作为一种多语言工具，我们使用 adaptMLLM 微调了两个低资源语言对的模型：英语到爱尔兰语（EN$\leftrightarrow$GA）和英语到马拉地语（EN$\leftrightarrow$MR）。与 LoResMT2021 Shared Task 的基线相比，adaptMLLM 系统展示了显著的改进。在 EN$\rightarrow$GA 方向上，观察到 BLEU 分数提高了 5.2 分；在 GA$\rightarrow$EN 方向上，记录了 40.5 BLEU 分数的增长。EN$\leftrightarrow$MR 语言对的翻译性能也观察到显著改进，特别是在 MR$\rightarrow$EN 方向上，BLEU 分数增加了 21.3 分。最后，使用多维质量指标和标量质量指标错误分类法，对 EN$\rightarrow$GA 语言对的 MLLM 输出进行了细粒度的人工评估。该应用程序和模型可免费获取。