语言感知词元提升：LLM 无需调整即可减少语言混乱

大语言模型 (LLM) 在生成非英语文本时有时会出现语言混乱。现有方法通常依赖 微调 来缓解此问题。相反，我们提出了一种免调优范例来减少语言混乱。在此范例中，我们引入了两种方法：语言感知词元提升（LATB），它将有针对性的扰动应用于与所需语言相关的词元；以及自适应语言感知词元提升（Adaptive-LATB），它根据模型对目标语言的置信度动态调整这些扰动。实验表明，我们的方法通过减少语言混乱有效地提高了多语言对齐，同时保持摘要质量，而不需要任何额外的 微调。我们的代码是公开的。 https://github.com/scbdatax/genai-datax-language-aware-token-boosting。