在多语言神经机器翻译中将源标记注册到目标语言空间 本研究解决了多语言神经机器翻译模型在性能上落后于大型语言模型的问题。通过引入一种称为"注册"的人工标记，将目标语言的信息整合到输入序列中，显著提升了解码器模型的表现。实验结果表明，该方法在大型基准测试中优于相关方法，并且取得了接近商业大型语言模型的效果，具有良好的适应性。 本研究通过引入“注册”人工标记，显著提升了多语言神经机器翻译模型的性能，使其在大型基准测试中超越相关方法，接近商业大型语言模型的效果。 人工标记 基准测试 多语言 性能提升 机器翻译 神经机器翻译
