对话式SimulMT：基于大型语言模型的高效同步翻译

同步机器翻译（SimulMT）在翻译质量和延迟之间存在挑战性的权衡。最近的研究表明，大型语言模型（LLMs）在SimulMT任务中可以达到良好的表现。然而，这往往会带来高推理成本和延迟。在本文中，我们提出了一种对话式SimulMT框架，通过基于多轮对话的解码来增强基于LLM的SimulMT的推理效率。我们在两个SimulMT基准上用Llama2-7b-chat进行的实验表明，LLM在翻译质量上具有优越性，同时在计算延迟上与专用的SimulMT模型相当。