基于大型语言模型的机器翻译：面向波斯语、英语和俄语方向的提示工程

生成式大型语言模型（LLM）在多种自然语言处理（NLP）任务中展现了卓越的能力，包括机器翻译、问答、文本摘要和自然语言理解。为进一步提升 LLM 在机器翻译中的性能，我们针对波斯语、英语和俄语之间的跨语言组合，研究了两种流行的提示方法及其结合。我们采用了 n-shot 示例供给和定制化提示框架。我们的发现表明，像 PaLM 这样的多语言 LLM 能产生类人的机器翻译输出，从而能够根据风格指南和语言考量，对所需的翻译细微差别进行更优的微调。这些模型在处理和应用提示方面也表现出色。然而，在采用提示框架和利用 n-shot 上下文学习时，语言模型的选择、机器翻译任务以及特定的源语言和目标语言都需要一定的考量。此外，我们识别了流行 LLM 作为机器翻译工具时固有的错误和局限性，并根据各种语言指标对其进行了分类。这种错误类型学为有效利用 LLM 提供了宝贵见解，并为设计上下文学习的提示提供了方法。我们的报告旨在通过提高评估指标的准确性和可靠性，为基于 LLM 的机器翻译的进步做出贡献。