两种中间翻译不如一翻：面向文档级翻译细化的大语言模型微调
计算与语言
2025-04-09 v1
摘要
最近的研究表明，大语言模型（LLMs）可以通过自细化来提高翻译质量。本文在此基础上，将细化从句子级扩展到文档级翻译，具体关注文档到文档（Doc2Doc）翻译细化。由于句子到句子（Sent2Sent）和Doc2Doc翻译分别解决翻译过程的不同方面，我们提出使用两种中间翻译进行大语言模型翻译细化，将两者的优势融合。此外，认识到中间翻译质量参差不齐，我们引入了具有质量感知能力的增强微调方法，为较易翻译的案例分配较低权重，为较难翻译的案例分配较高权重，使模型能够聚焦于具有挑战性的翻译情形。跨十个翻译任务的实验结果表明，我们的方法有效。
引用
@article{arxiv.2504.05614,
title = {Two Intermediate Translations Are Better Than One: Fine-tuning LLMs for Document-level Translation Refinement},
author = {Yichen Dong and Xinglin Lyu and Junhui Li and Daimeng Wei and Min Zhang and Shimin Tao and Hao Yang},
journal= {arXiv preprint arXiv:2504.05614},
year = {2025}
}
备注
Under Review