Backtranslation Augmented Direct Preference Optimization for Neural Machine Translation

评分 4.5 · 来源：arXiv cs.CL · 发布于 2026-04-29

评分依据：回译增强 DPO 用于 NMT 后训练，仅需单语语料和人工翻译器

NMT 系统几乎全构建于监督平行数据训练，但仍有持续翻译错误。本文提出基于 RL 的后训练范式，仅需一般文本语料和人工翻译器即可纠正错误。