摘要
本文提出 LatentMT，首次系统研究用于机器翻译的隐式推理循环语言模型（LoopLMs）。该方法不增加参数量或生成显式思维链，而是在隐藏状态内进行递归计算。实验表明，仅需轻量级训练适配 26 亿参数模型，其在 32 个翻译方向上性能媲美大 3-5 倍的模型，尤其在低资源语言上达到最先进水平。机制分析显示，随着推理步数增加，隐藏表示差异迅速缩小导致性能饱和。该路径显著降低了训练与推理算力需求。
AI 推荐理由
论文核心研究隐式推理循环机制，通过隐藏状态计算提升翻译质量，属推理能力核心架构研究。
研究机构
The University of British Columbia
Rice University
Canada Research Chair in NLP and ML
论文信息