一种基于大语言的低资源语言翻译模型训练方法

本发明公开了一种基于大语言的低资源语言翻译模型训练方法，包括：利用多语种文本语料库对基础大语言模型进行继续预训练，并保存多个中间检查点作为候选模型；基于验证集性能从候选模型中选取下游翻译任务性能最优的模型，利用平行指令数据集进行指令监督微调得到中间模型；最后利用由首选翻译和拒绝翻译组成的偏好数据集，采用偏好优化算法对中间模型进行训练得到目标翻译模型。本发明通过三步骤渐进式训练，有效解决了低资源语言翻译中的数据稀疏、模型能力不足和训练方法单一等问题，显著提升了翻译质量。