基于大语言模型的相关语言间机器翻译的分解式提示方法
计算与语言
2023-10-24 v2
摘要
本研究探讨了相关语言之间的机器翻译，即同一语系内共享词序和词汇相似性等语言特征的语言。通过少样本提示（few-shot prompting）进行机器翻译利用一小部分翻译对示例来为测试句子生成翻译。该过程要求模型学习如何生成翻译，同时确保保持词序以产生流畅且准确的翻译。我们提出，对于相关语言，可以利用此类语言的单调对齐特性来简化机器翻译任务。我们引入了 DecoMT，一种将翻译过程分解为一系列词块翻译的少样本提示新方法。通过在多个语系的多对相关语言对上进行的自动和人工评估，我们证明了我们所提出的分解式提示方法超越了多种已建立的少样本基线方法。例如，DecoMT 在所考察的语言上以平均 8 个 chrF++ 分数的提升优于强大的少样本提示 BLOOM 模型。
引用
@article{arxiv.2305.13085,
title = {Decomposed Prompting for Machine Translation Between Related Languages using Large Language Models},
author = {Ratish Puduppully and Anoop Kunchukuttan and Raj Dabre and Ai Ti Aw and Nancy F. Chen},
journal= {arXiv preprint arXiv:2305.13085},
year = {2023}
}
备注
EMNLP 2023 (Main, Long paper)