更多内容请见： 机器翻译修炼-专栏介绍和目录

机器翻译中的“幻觉”（Hallucination）指模型生成与源文本语义无关、逻辑矛盾或事实错误的翻译内容，尤其在低资源场景、长文本或复杂句式中更为突出。解决这一问题需从数据、模型、训练策略、评估与后处理等多维度综合施策。

一、数据层面优化

1. 数据清洗与过滤

   • 噪声去除：剔除平行语料中的低质量翻译（如机器翻译生成的语料、语法错误样本），使用语言模型（如BERT）或翻译质量评估工具（如COMET）筛选高置信度数据。
   • 领域适配：针对特定领域（如法律、医疗）构建专用语料库，避免模型因领域偏移产生幻觉。例如，WMT比赛中的“术语一致性”任务要求模型严格遵循领域术语表。

2. 数据增强与合成

   • 回译（Back-Translation）：通过目标语言到源语言的反向翻译生成伪平行语料，增加数据多样性。但需控制回译质量，避免引入错误（如使用强模型如mBART进行回译）。