RT-SFT：回译非平行语料做风格迁移
热点事件持续更新
RT-SFT：回译非平行语料做风格迁移
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Ruoxi Liu 与 Philipp Koehn 发表论文提出 RT-SFT 文本风格迁移方法：用神经机器翻译对单语风格语料做往返翻译，剥离风格信号生成伪平行语料，再以 LoRA 微调指令微调 LLM 作为风格化器；对测试查询使用同一规范化器，使风格化器保持在分布内。 论文称，在四个风格领域上该方法大幅超越 few-shot 上下文学习等现有方法，并报告了面向术语和命名规范严格的专家风格领域的有效检索增强方法。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
RT-SFT：用往返翻译从非平行语料实现文本风格迁移报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.CLRT-SFT：用往返翻译从非平行语料实现文本风格迁移
RT-SFT 利用神经机器翻译的往返翻译剥离风格信号，从单语语料生成伪平行语料，再以 LoRA 微调指令微调 LLM 作为风格化器。在四个风格领域上，该方法大幅超越 few-shot 上下文学习等 SOTA 方法。研究还报告了面向术语和命名规范严格的专家风格领域的有效检索增强方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。