摘要
大型语言模型虽为低资源机器翻译带来希望，但在有效应用语法信息方面仍存挑战。受思维链推理启发，本文提出一种流水线，利用通用依存树库等资源自动生成逐步语言推理轨迹。通过在锡伯语和钦唐语上的实验发现，将可靠推理轨迹作为上下文学习中的推理时指导能显著提升翻译质量；而将其作为训练数据效果有限，因模型易生成错误内容。研究表明，提供可靠语言分析可助模型利用语法信息，但学习生成此类分析仍是瓶颈。
AI 推荐理由
论文核心研究基于思维链的语法推理轨迹，旨在通过结构化推理步骤提升低资源机器翻译性能。
研究机构
ELLIS Institute Finland
University of Turku
Center for Information and Language Processing, LMU Munich
Munich Center for Machine Learning (MCML)
论文信息