通过风格匹配缩小零样本与少样本机器翻译间的差距
计算与语言
2023-11-07 v1
摘要
主要在单语环境下训练的大语言模型已展现出利用零样本与少样本示例进行上下文学习并泛化至机器翻译的能力。然而，尽管零样本翻译相对良好，将其性能与少样本设置相比仍存在可辨差距。本文中，我们探究导致此差距的因素，并发现通过匹配目标语料的写作风格可大幅缩小该差距（约 70%）。此外，我们探索了无需平行示范样例即可增强零样本基线的潜在方法，为这些方法如何促进翻译指标提升提供了有价值的见解。
引用
@article{arxiv.2311.02310,
title = {Narrowing the Gap between Zero- and Few-shot Machine Translation by Matching Styles},
author = {Weiting Tan and Haoran Xu and Lingfeng Shen and Shuyue Stella Li and Kenton Murray and Philipp Koehn and Benjamin Van Durme and Yunmo Chen},
journal= {arXiv preprint arXiv:2311.02310},
year = {2023}
}