Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。

进群添加小助手微信：seventy3_podcast

备注：小宇宙

今天的主题是：Beyond Decoder-only: Large Language Models Can be Good Encoders for Machine Translation

Summary

这项研究探索了一种结合大型语言模型（LLMs）和神经机器翻译（NMT）的方法，旨在创建一个高效、易于优化且具有通用性的翻译系统。研究人员提出了一种名为 LaMaTE 的模型，该模型利用 LLM 作为强大的编码器，并将其与轻量级的 NMT 解码器配对。为了促进 LLM 编码器与 NMT 解码器的更好协作，研究引入了一种适配器设计，并采用了一种两阶段训练策略。此外，研究还构建了一个新的综合机器翻译基准数据集 ComMT，用于评估模型在多种翻译相关任务上的泛化能力。结果表明，LaMaTE 在翻译质量上与现有方法相当或更优，同时显著提高了推理速度并减少了内存占用，并展现出强大的任务泛化能力。

原文链接：https://arxiv.org/abs/2503.06594