提升受限翻译的大型语言模型：翻译与修订
内容提要
本研究探讨了大型语言模型在机器翻译中的应用，提出了“GenTranslate”翻译范式和ALMA翻译器，显著提升了翻译质量。实验结果表明，该方法在多语言翻译中表现优越，为未来研究提供了重要启示。
延伸解读
GenTranslate：从多候选译文中生成更优翻译
GenTranslate 是一种新的生成式翻译范式，它利用大型语言模型从 N 个候选译文中生成更高质量的翻译结果。该方法在多种语音和机器翻译基准测试中明显优于现有模型，为机器翻译提供了新的思路。
ALMA 翻译器：微调方法带来显著性能提升
ALMA 翻译器通过一种新的微调方法，在 WMT'21 和 WMT'22 测试数据集上相比之前的工作和具有 7B 或 13B 参数的模型有显著性能提升，为机器翻译领域的新训练范式奠定了基础。
三阶段训练范式：提升大型语言模型的翻译能力
研究提出一个包括三个阶段的新范式：使用大量单语数据进行二次预训练、使用互译文本格式文档进行连续预训练，以及利用和源语言一致的指导进行监督微调。实验表明，该方法在翻译能力上取得显著改进，并在参数数量较小的情况下实现优越性能。
多语言机器翻译：大型语言模型的新工作方式
研究系统评估了 XGLM、OPT、BLOOMZ 和 ChatGPT 在 102 种语言上的性能，发现大型语言模型在多语言机器翻译中具有一些新的工作方式，为多语言翻译提供了新的见解。
Q&A
什么是GenTranslate翻译范式？
GenTranslate是一种新的生成式翻译范式，能够从多个候选译文中生成更高质量的翻译结果。
ALMA翻译器的主要优势是什么？
ALMA翻译器通过新的微调方法在WMT'21和WMT'22测试数据集上显著提升了翻译性能。
如何改善大型语言模型的翻译能力？
使用大量单语数据进行二次预训练和互译文本格式文档进行连续预训练可以显著改善翻译能力。
该研究如何解决机器翻译中的语义歧义？
研究通过上下文学习和在精心策划的歧义数据集上的微调，提出了两种改进方法，有效解决了语义歧义。
大型语言模型在多语言翻译中的表现如何？
大型语言模型在多语言机器翻译中表现出新的工作方式，并在102种语言上评估了多种模型的性能。
外部反馈如何提高翻译质量？
通过外部反馈引导大型语言模型进行机器翻译后编辑，可以显著提高翻译质量。
