StalePO

新的StalePO方法利用遗留数据改进机器翻译

研究人员开发了StalePO，这是一种新的优化方法，旨在改进在过时偏好数据上训练的机器翻译系统。传统方法在使用旧模型的后编辑时，可能会降低性能或无法纠正特定错误。StalePO通过确保两个响应的似然度均向下移动，将策略锚定到其基础响应，并在令牌级别应用KL约束来解决此问题。这种方法已显示出显著的收益，在英译印地语翻译中将质量检查提高了多达14.9个百分点，在英译土耳其语翻译中提高了4.6个百分点。