机器翻译上下文样本的推理

大语言模型 (LLM) 可以被训练来执行思想链推理，以提高其响应的可靠性。在这项工作中，我们研究了如何利用上下文样本进行基于 LLM 的机器翻译 (MT) 的显式推理。我们引入了一种新颖的基于片段的推理框架，其中模型首先从检索到的相似样本中提取并行的源-目标片段，并使用这些片段作为中间推理轨迹来产生最终的翻译。为了训练我们的模型，我们从大型教师模型中提取银碎片和草稿。我们对 Qwen3 模型系列（超过 6 种语言，包括每种语言最多 5 个域）进行的实验表明，基于片段的 MT 显着优于标准 k-shot 或基本绘图等替代方法。