From LLM to NMT: Advancing Low-Resource Machine Translation with Claude

我们展示了Anthropic在2024年3月发布的大型语言模型Claude 3 Opus，在机器翻译方面比其他大型语言模型表现更强。虽然我们发现Claude在FLORES-200上存在数据污染的证据，但我们筛选出新的基准数据，证实了Claude在低资源机器翻译成英语方面的有效性。我们发现，Claude具有显著的“资源效率”——即翻译模型的质量程度与语言对的资源水平有关。最后，我们展示了大型语言模型翻译方面的进展可以压缩到传统的神经机器翻译模型中。使用Claude生成合成数据，我们证明了知识蒸馏可以提高Yoruba-English翻译的最新技术水平，达到或超过了强基线模型如NLLB-54B和Google Translate。

本论文旨在证明Anthropic于2024年3月发布的大型语言模型Claude 3 Opus在机器翻译方面比其他大型语言模型更具优势。同时，论文还试图通过新的基准测试来证实Claude在低资源语言翻译方面的有效性。

论文的关键思路是证明Claude 3 Opus在机器翻译方面比其他大型语言模型更具优势，并且在低资源语言翻译方面表现出了显著的资源效率。此外，论文还证明了LLM翻译的进展可以压缩到传统的神经机器翻译模型中。

论文使用新的基准测试来证实Claude在低资源语言翻译方面的有效性，并且证明了Claude具有显著的资源效率。此外，论文还使用Claude生成合成数据，并证明知识蒸馏可以将LLM翻译的进展压缩到传统的神经机器翻译模型中。

最近在这个领域中，还有一些相关的研究，如Google Translate和NLLB-54B。