基于错误学习的土著语言翻译
原文中文,约600字,阅读约需2分钟。发表于: 。通过大型语言模型,本文提出了改进极低资源的土著语翻译的技术,采用了有限数量的平行翻译示例的数据存储,GPT-3.5 等 LLMs 的内在能力以及词级翻译词典。我们利用 LLMs 和上下文学习技术作为极低资源语言的通用翻译器,基于 LLMs 的语言编译器假设它们可以内化语法结构以实现准确翻译。我们介绍了三种技术:带检索上下文的...
本文介绍了一种改进极低资源土著语翻译的技术,利用大型语言模型和上下文学习技术作为通用翻译器,以实现准确翻译。通过使用有限数量的平行翻译示例的数据存储和词级翻译词典,以及三种技术:带检索上下文的KNNPrompting、思维链式提示和来自错误的学习,可以有效地翻译极低资源语言。