---
format: "aidr-story-markdown/v1"
id: "873b10b62bbef9da343091273353a52441a4bc3cd1148d30e977b0055b145ef1"
canonical_url: "https://aidr.today/873b10b6?lang=vi"
title: "Phát hiện dịch thuật giữa người và máy: Phân tích đa mô hình, đa miền và ngôn ngữ ít tài nguyên"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-11-17T05:00:00.000Z"
category: "Research"
topics: ["llm"]
source_urls: ["https://arxiv.org/abs/2611.18586"]
summary: "Việc ngày càng phụ thuộc vào các tập dữ liệu thu thập từ web để huấn luyện LLMs tạo ra một thách thức nghiêm trọng: nội dung dịch máy (MT) thường bị coi là dịch thuật bởi con người (HT), điều này có thể làm giảm chất lượng dữ liệu và lan truyền các lỗi tổng hợp, đặc biệt là trong môi trường ít tài nguyên. Trong nghiên cứu này, nhóm tác giả nghiên cứu khả năng phát hiện MT-HT trên các ngôn ngữ nhiều tài nguyên (tiếng Anh, Spanish) và ít tài nguyên (Swahili, Afrikaans) bằng cách dùng các LLMs decoder-only trong thiết lập zero-shot và few-shot, cùng các encoder đa ngôn ngữ được fine-tune ở cấp độ câu và trên các đầu vào chia theo token. Kết quả cho thấy các mô hình decoder-only nhìn chung có khả năng phân biệt hạn chế và gặp lỗi bất đối xứng về lớp một cách nhất quán: chúng nhận diện văn bản do người viết một cách đáng tin cậy (HT recall cao) nhưng hiếm khi gắn cờ các kết quả dịch máy trôi chảy (MT recall thấp). Các bộ phân loại dựa trên encoder đạt độ chính xác cao khi đánh giá trên dữ liệu được tạo bởi cùng hệ thống MT và trình dịch dùng trong lúc huấn luyện thuộc miền lập pháp, nhưng MT recall giảm mạnh đối với các trình dịch lạ và các miền chưa từng thấy như văn bản hội thoại ít…"
---

# Phát hiện dịch thuật giữa người và máy: Phân tích đa mô hình, đa miền và ngôn ngữ ít tài nguyên

> [Open the canonical story](<https://aidr.today/873b10b6?lang=vi>)

**Published:** 2026-11-17T05:00:00.000Z
**Category:** Research
**Topics:** llm

## Summary

Việc ngày càng phụ thuộc vào các tập dữ liệu thu thập từ web để huấn luyện LLMs tạo ra một thách thức nghiêm trọng: nội dung dịch máy \(MT\) thường bị coi là dịch thuật bởi con người \(HT\), điều này có thể làm giảm chất lượng dữ liệu và lan truyền các lỗi tổng hợp, đặc biệt là trong môi trường ít tài nguyên\. Trong nghiên cứu này, nhóm tác giả nghiên cứu khả năng phát hiện MT\-HT trên các ngôn ngữ nhiều tài nguyên \(tiếng Anh, Spanish\) và ít tài nguyên \(Swahili, Afrikaans\) bằng cách dùng các LLMs decoder\-only trong thiết lập zero\-shot và few\-shot, cùng các encoder đa ngôn ngữ được fine\-tune ở cấp độ câu và trên các đầu vào chia theo token\. Kết quả cho thấy các mô hình decoder\-only nhìn chung có khả năng phân biệt hạn chế và gặp lỗi bất đối xứng về lớp một cách nhất quán: chúng nhận diện văn bản do người viết một cách đáng tin cậy \(HT recall cao\) nhưng hiếm khi gắn cờ các kết quả dịch máy trôi chảy \(MT recall thấp\)\. Các bộ phân loại dựa trên encoder đạt độ chính xác cao khi đánh giá trên dữ liệu được tạo bởi cùng hệ thống MT và trình dịch dùng trong lúc huấn luyện thuộc miền lập pháp, nhưng MT recall giảm mạnh đối với các trình dịch lạ và các miền chưa từng thấy như văn bản hội thoại ít…

## Sources

- [Story source](<https://arxiv.org/abs/2611.18586>)

