基于参数高效LLM微调与轮询翻译的文本风格迁移
计算与语言
2026-02-17 v1
摘要
本文提出一种基于大语言模型(LLM)参数高效微调的文本风格迁移(TST)新方法。针对缺乏平行语料的问题，研究采用轮询翻译技术从单语语料合成平行数据集。该方法创建'中性化'文本，消除风格属性，本质上在训练和推理阶段实现输入风格的共享。实验结果表明，该方法在BLEU分数和风格准确度等指标上持续优于零样提示和少样本内在联想技术，涵盖四个研究领域。此外，集成检索增强生成(RAG)进行术语和名称知识，可提升鲁棒性和风格一致性。
引用
@article{arxiv.2602.15013,
title = {Text Style Transfer with Parameter-efficient LLM Finetuning and Round-trip Translation},
author = {Ruoxi Liu and Philipp Koehn},
journal= {arXiv preprint arXiv:2602.15013},
year = {2026}
}
备注
9 pages, 5 figures, 4 tables