Is Translation All You Need? A Study on Solving Multilingual Tasks with Large Language Models

本文是LLM系列文章，针对《Is Translation All You Need? A Study on Solving Multilingual Tasks with Large Language Models》的翻译。

摘要

大型语言模型已经显示出强大的多语言能力；然而，由于训练语料库的不平衡，他们大多以英语为中心。现有的工作利用这一现象来提高他们在NLP任务中的多语言性能。在这项工作中，我们将评估从NLP任务扩展到真实的用户查询。我们发现，即使翻译成英语有助于提高以英语为中心的LLM的多语言NLP任务的性能，但它可能并不适用于所有情况。对于需要深入理解语言的文化相关任务，母语提示更具前景，因为它可以捕捉与文化和语言相关的细微差别。因此，我们主张更多地努力开发强大的多语言LLM，而不仅仅是以英语为中心的LLM。

1 引言

2 NLP任务的翻译

3 真实用户查询的翻译

4 一般性讨论

5 结论

在这项工作中，我们对不同多语言任务中的LLM进行了全面评估。这些任务包括传统的NLP挑战、真实用户查询和特定于区域性的任务。我们探索使用基于翻译的方法作为一种策略，以克服以英语为中心的LLM固有的局限性，从而促进理解。然而，我们发现，对于严重依赖于特定语言细微差别的任务，使用母语提示是一种更有效的方法。这种方法特别善于捕捉每种语言特有的微妙之处和复杂性。我们的研究结果表明，开发强大的多语