课程简介

近年来，机器翻译（MT）领域在深度学习的推动下，尤其是随着GPT-3、ChatGPT等超大型语言模型（LLM）的涌现，迎来了前所未有的飞跃。这些LLM以其卓越的语言理解能力，为MT带来了崭新的机遇与挑战。通过利用开源LLM的In-context Learning能力，或仅需少量数据进行Supervised Fine-tuning，即可显著提升翻译性能，展现出强大的潜力。

相较于传统机器翻译模型，这些大语言模型（LLM）在深度解析文本含义、捕捉语境微妙变化方面展现出明显优势，激发了业界对利用LLM优化翻译质量的浓厚兴趣。然而，值得注意的是，尽管LLM具备强大能力，但当前针对翻译任务的研究多聚焦于微调策略，其效果提升仍有待进一步挖掘，尤其是在缺乏大规模双语标注数据的情况下。

本次分享将基于一种创新的三阶段训练方案，在系统性地增强LLM的翻译能力中，以大量单语数据进行增量预训练、构建Interlinear Text 格式的双语数据进行增量预训练、源语言一致性的微调，为探索多模态大模型应用的与会者提供宝贵的技术洞见。

课程收益

1、帮助学员了解大语言模型下机器翻译技术的发展

2、帮助学员了解三阶段训练方案——大语言模型时代机器翻译能力的增强技术

3、给予企业在大模型时代下做特定任务的实践思考

受众人群

企业管理者，IT行业从业者及其他对机器翻译感兴趣的人员

课程周期

3H

课程大纲