跳到正文
热点事件持续更新

论文提出用回译利用单语数据提升低资源机器翻译

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

一项 arXiv 研究（arXiv:2610.18818）提出，对低资源语言机器翻译，用 LLM 做回译（先翻译单语句子，再以反向方向训练并与平行集更新交错进行）比继续预训练更有效。 实验结果：在 Odia 和 Swahili 上仅用 1K 平行句对时，回译在域内比继续预训练高 7.7 到 16.4 个 XCOMET-XXL 分；跨 5 种低资源语言（以印地语为高资源对照）和两个 3B 骨干模型，比仅用平行集微调提升 16% 到 173%。

AI 根据报道生成 · 3 小时前更新

最新进展10月27日 12:00
回译依然重要：利用单语数据改进 LLM 低资源机器翻译

报道时间线

沿着报道，了解事件的不同侧面。

10月27日
  1. arXiv cs.AI
    回译依然重要：利用单语数据改进 LLM 低资源机器翻译

    一项 arXiv 研究提出，对低资源语言机器翻译，用 LLM 做回译（BT）比继续预训练更有效：当前微调后的模型翻译单语句子，再以反向方向训练，并与平行集更新交错进行。在 Odia 和 Swahili 上仅用 1K 平行句对，BT 在域内比继续预训练高 7.7 到 16.4 XCOMET-XXL 分；跨 5 种低资源语言和两个 3B 骨干模型，比仅平行集微调提升 16% 到 173%。

本事件热度走势

可比范围当前
9
可比范围峰值
910月27日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。