xTower: A Multilingual LLM for Explaining and Correcting Translation Errors

虽然机器翻译系统在基准测试中的表现越来越强，但它们经常会产生翻译错误和异常。理解这些错误可能有助于提高翻译质量和用户体验。本文介绍了 xTower，这是一个建立在 TowerBase 之上的开放式大型语言模型（LLM），旨在为翻译错误提供自由文本解释，以指导生成更正的翻译。通过内在和外在评估，我们评估了 xTower 生成的解释质量。我们要求专业翻译人员在两个维度上评估解释的质量：与被解释的错误跨度的相关性和对错误理解和提高翻译质量的有用性。在外在评估方面，我们在各种实验设置中测试了 xTower 生成翻译更正的能力，并展示了翻译质量的显着提高。我们的研究结果突显了 xTower 不仅能够产生可信且有用的自动翻译解释，还能利用这些解释来建议更正的翻译。

本论文旨在解决机器翻译系统产生错误和异常翻译的问题，提出了一种基于大型语言模型的解释模型xTower，以指导生成更准确的翻译。

xTower是一种基于大型语言模型的解释模型，旨在提供自由文本解释，以指导生成更准确的翻译。该模型通过内在和外在评估证明了其生成的解释质量和翻译质量的显著提高。

本文介绍了xTower模型，它可以为翻译错误提供自由文本解释，指导生成更准确的翻译。该模型的解释质量和翻译质量均得到了内在和外在评估的证明。实验结果表明，xTower可以显著提高翻译质量。本文的贡献在于提供了一种新的解释模型，可以用于改进机器翻译系统的翻译质量。

最近的相关研究包括使用神经网络进行机器翻译的研究，以及使用语言模型生成自然语言解释的研究。相关论文包括《Neural Machine Translation by Jointly Learning to Align and Translate》和《Generating Natural Language Explanations for Semantic Representations》。