本研究通过mbrs库提高了文本生成中最小贝叶斯风险解码的效率。该库结合多种度量和算法，专注于速度和调用计数，确保研究透明、可重复和可扩展，提升了文本生成的质量和效率，便于使用。

本文研究了将最小贝叶斯风险整合到蒸馏训练中的方法，并在翻译任务中验证了其改进效果。同时，对数据效率和容量诅咒进行了详细分析。

本文研究了最小贝叶斯风险（MBR）解码在自我改进机器翻译（MT）中的应用，通过使用COMET作为MBR效用度量，实现了在MBR解码的正向翻译上微调模型的自我改进过程，提高了翻译质量。该方法在领域适应和资源匮乏的语言中都表现出潜力。

最小贝叶斯风险（MBR）解码是一种选择机器学习系统输出的方法，基于多个候选项中具有最低风险的输出。本文介绍了该方法和最近的文献，证明了一些最近的方法可以被写成 MBR 的特例，并给出了在 NLP 模型中应用 MBR 的理论和实证结果，包括该领域的未来方向的具体建议。