微调检查器可辅助而非替代人工审校，真实文本误报仍高。
资讯摘要
论文提出INVAR-Agri概念验证，用同一模型EuroLLM-1.7B-Instruct比较两种训练流程：A方案由回译器将各语种版本译回英文再比对，B方案由检查器同时阅读英文原文与译文并报告差异。测试集在24种语言中植入数字、单位、反义词、义务、否定和条件类错误。作者报告，回译器会掩盖大量植入错误，尤其是弱化义务，而翻译质量分数反而上升；单独训练的检查器能检出多数错误，但对单位及与训练分布不同的数字改动较弱。真实芬兰语译文上的告警多为误报，精确率仍是局限。
要点速读
- 论文在同一EuroLLM-1.7B-Instruct上比较回译比对与直接检查两种流程，测试覆盖24种语言的植入错误。
- 作者报告回译器掩盖了许多植入错误，尤其是弱化的义务表述，同时翻译质量评分上升。
- 单独训练的检查器检出多数植入错误，但对单位和陌生数字改动较弱；真实芬兰语译文告警多为误报。
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。