研究显示，大型语言模型在仅用32个实例细调后，具备强大翻译能力。单向细调可实现多方向翻译，但翻译方向选择很重要。用英语细调可能导致误解，尤其在目标语言表示良好时，噪声影响更大。对表示不足的语言，噪声影响较小。成功对齐依赖于模型保持表面关注，避免偏差影响。

研究发现，使用大型语言模型进行细调后，仅用32个训练实例即可实现强大的翻译能力。单向细调可以实现多方向翻译，但选择翻译方向很重要。在目标语言侧进行细调可能导致任务误解，对非英语语言的翻译造成阻碍。对于不充分表示的语言，噪声的影响较小。成功对齐取决于教会模型保持“表面”关注，避免学习错误的偏差影响翻译。

该文章介绍了一个包含12个翻译方向的商业机器翻译数据集，收集了六年时间内每周的数据。研究确认了之前的机器翻译度量研究中的几个发现，并展示了该数据集作为度量评估测试平台的价值。