本研究探讨大型语言模型在数字翻译中的可靠性，尤其是处理大单位数字时错误率高达20%。通过构建中英文数字翻译数据集，评估开源模型的翻译能力，并提出三种策略以减少翻译错误。

本文介绍了同时机器翻译（SiMT）的最新研究进展，提出了SiLLM模型，通过大型语言模型优化翻译策略。研究表明，词级操作优于子词级操作，视觉信息的引入可提升翻译质量。实验结果显示，基于Mixture-of-Experts Wait-k机制的模型在不同延迟下实现了最佳翻译效果，验证了多模态方法在同传翻译中的有效性。