基于预训练语言模型的自适应少-shot提示机器翻译

本文解决了大型语言模型在神经机器翻译中依赖固定提示的问题，提出了一种自适应少-shot提示框架（AFSP），能够针对不同的源输入自动选择合适的翻译示例，从而提高翻译能力。研究表明，该框架在语义一致性和检索效果上表现优于现有方法，且基于新构建的高质量中英双语平行数据集进行的实验显示了其优越性。