本研究提出了一种新方法，通过反向翻译自然语言代码切换句子并微调大语言模型，提升生成能力。结果显示文本流畅性良好，但评估指标与人类判断存在不一致。

本研究提出了一种新框架，通过大型语言模型生成多个翻译候选，并利用反向翻译评估翻译质量。实验结果表明，模型规模与计算量的增加呈规律性，为隐性评估翻译质量提供了新方法。

本文综述合成数据在神经机器翻译中的应用，包括伪平行语料、反向翻译、数据增强和自训练等方法。研究表明，合成数据能显著提升低资源语言翻译质量，最高提升14.5 BLEU，并在WMT英德测试集上创下35 BLEU纪录，但真实平行数据仍是最优选择。