更多內容請見： 機器翻譯修煉-專欄介紹和目錄

機器翻譯中的“幻覺”（Hallucination）指模型生成與源文本語義無關、邏輯矛盾或事實錯誤的翻譯內容，尤其在低資源場景、長文本或復雜句式中更為突出。解決這一問題需從數據、模型、訓練策略、評估與后處理等多維度綜合施策。

一、數據層面優化

1. 數據清洗與過濾

   • 噪聲去除：剔除平行語料中的低質量翻譯（如機器翻譯生成的語料、語法錯誤樣本），使用語言模型（如BERT）或翻譯質量評估工具（如COMET）篩選高置信度數據。
   • 領域適配：針對特定領域（如法律、醫療）構建專用語料庫，避免模型因領域偏移產生幻覺。例如，WMT比賽中的“術語一致性”任務要求模型嚴格遵循領域術語表。

2. 數據增強與合成

   • 回譯（Back-Translation）：通過目標語言到源語言的反向翻譯生成偽平行語料，增加數據多樣性。但需控制回譯質量，避免引入錯誤（如使用強模型如mBART進行回譯）。