本研究提出了一种新方法，将人机协作后编辑与大型语言模型结合，显著提升机器翻译语料库的生成效率和质量，减轻人类注释员的负担。

本研究评估了新闻摘要的信度，发现大型语言模型与人类判断高度相关。通过新方法和多轮后编辑，显著提升了摘要的信度，为自动化处理提供了新思路。

本文探讨了利用多维质量指标（MQM）和大型语言模型（LLMs）进行机器翻译的后编辑，以提升翻译质量。研究表明，通过微调模型和使用外部反馈，可以显著改善翻译效果，减少人工修改时间，提高效率。实验结果显示，个性化的自动后编辑框架在多个评估指标上优于传统模型。