BridG MT：通过句子桥接与渐进式 MT 提升 LLM 机器翻译能力
计算与语言
2025-06-03 v3
摘要
最近的大型语言模型（LLMs）已显示出在不需额外平行语料微调的情况下即可实现惊人的翻译性能。然而，他们在某些场景下仍面临显著挑战，尤其是当翻译低资源语言时。常见的解决方法是提供外部知识，例如 few-shot 示例，以帮助 LLM 翻译特定源句。然而，这种方法受限于相关来源的质量或数量，这些来源并非总是可保证。为减少 LLM 对外部来源的依赖，我们提出了 BridG MT 方法，结合句子桥接（Sentence Bridging），即生成一序列桥句，这些桥句逐渐从易于翻译的句子过渡到更难的句子；以及渐进式 MT（Gradual MT），即依次翻译这些句子，并使用前面的翻译作为后续句子的 few-shot 示例。我们在四个 LLM 上跨七种语言的实验表明，本方法有效提升了翻译性能，甚至超过了依赖大量 few-shot 示例的翻译方法。
关键词
引用
@article{arxiv.2410.11693,
title = {BridG MT: Enhancing LLMs' Machine Translation Capabilities with Sentence Bridging and Gradual MT},
author = {Seung-Woo Choi and Ga-Hyun Yoo and Jay-Yoon Lee},
journal= {arXiv preprint arXiv:2410.11693},
year = {2025}
}
备注
Accepted to ACL Findings 2025