研究人员对基于大语言模型（LLM）的机器翻译评估器进行了系统研究，探讨了指令设计、少样本示例以及骨干模型选择等因素如何影响评估准确性。他们的实验在新标注的 WMT24 和 WMT25 英俄翻译数据以及其他语言对的验证数据上进行，结果表明指令结构、演示质量和特定的 LLM 骨干模型都显著影响评估器性能。研究发现，结合不同 LLM 骨干模型的输出来进行评估，优于单一评估器设置。研究人员将这些发现综合起来，创建了一系列名为 ORBIT 的基于 LLM 的机器翻译评估器，它们以显著更低的成本实现了专家级别的性能。 AI
影响 为开发更准确、更具成本效益的基于大语言模型的翻译评估工具提供了指导。
排序理由 研究论文，详细介绍了对基于大语言模型的机器翻译评估器的系统研究。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
