回译仍有效：用单语数据提升LLM低资源翻译

回译比继续预训练更有效利用低资源单语数据

资讯摘要

论文探讨在已有少量平行语料时，如何利用低资源语言单语数据提升LLM翻译。作者主张采用回译（BT）而非继续预训练：用微调后的LLM翻译单语句子生成合成平行对，再训练反向翻译，并与平行集更新交替进行。在Odia和Swahili上仅用1K平行对，回译在领域内比继续预训练高7.7至16.4个XCOMET-XXL点，也优于平行数据多10倍的模型。

要点速读

1. 论文提出用回译利用低资源单语数据，并与平行集更新交替以稳定学习
2. Odia和Swahili上1K平行对时，回译比继续预训练高7.7至16.4个XCOMET-XXL点
3. 五种低资源语言、两种3B骨干下，回译较仅平行微调提升16%至173% XCOMET-XXL

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。