基于LLM与多臂老带臂算法的非洲语言领域翻译
计算与语言
2025-05-22 v1
摘要
神经机器翻译（NMT）系统在领域适应任务中面临显著挑战，尤其是低资源语言。这种困难性源于训练数据的有限性和模型泛化次优。结果，选择最合适的翻译模型对于实现领域数据的强大性能至关重要，尤其是在不可行或不实用的微调场景下。本文探讨了使用基于老带臂算法的策略来为给定领域选择最合适的NMT模型，包括上置置信上界、线性UCB、神经线性老带臂和Thompson抽样。我们的方法有效地通过高置信度选择最优模型来解决资源约束问题。我们在三个非洲语言和领域上进行评估，展示了其在目标数据可用和不可用两种情形下的稳健性和有效性。
引用
@article{arxiv.2505.15069,
title = {In-Domain African Languages Translation Using LLMs and Multi-armed Bandits},
author = {Pratik Rakesh Singh and Kritarth Prasad and Mohammadi Zaki and Pankaj Wasnik},
journal= {arXiv preprint arXiv:2505.15069},
year = {2025}
}