LLM 提示：等长机器翻译的长度控制
计算与语言
2025-06-06 v1
摘要
本研究探讨了在多语言对（En→De、En→Fr、En→Es）上进行等长机器翻译的有效性，基于IWSLT 2022等长共享任务的条件。我们使用规模各异的八个开源大型语言模型（LLMs），考察不同的提示策略、不同的 few-shot 示例数量以及演示选择对翻译质量和长度控制的影响。我们发现，指令的措辞当与提供的演示属性相吻合时，对于控制输出长度起到了关键作用。我们的实验表明，LLMs仅在呈现极端示例时才会产生更短的翻译，而等长演示往往导致模型忽略长度约束。虽然few-shot提示通常会提升翻译质量，但在5-shot、10-shot和20-shot设置下，进一步的改进有限。最后，考虑生成多个输出可显著提升长度与质量之间的整体权衡，为某些语言对实现最佳性能。
引用
@article{arxiv.2506.04855,
title = {Prompting LLMs: Length Control for Isometric Machine Translation},
author = {Dávid Javorský and Ondřej Bojar and François Yvon},
journal= {arXiv preprint arXiv:2506.04855},
year = {2025}
}
备注
Accepted to IWSLT 2025