Новости

Fine-Tuning LLMs for Translation: General Forgetting Mitigation Does Not Preserve MT-Specific Instruction Following

arXiv cs.AI · Опубликовано 23 сентября 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: Fine-tuning LLMs on translation data causes catastrophic forgetting, and standard mitigation methods fail to preserve translation-specific instruction following like formality control.
Почему это важно: Engineers building multilingual systems or adapting LLMs for machine translation need to understand trade-offs between general capability retention and translation task performance.
На что обратить внимание: Elastic Weight Consolidation preserves general benchmarks but not translation-specific controls; data mixing works only on seen prompts and does not generalize to unseen variants.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

arXiv cs.AI · Опубликовано 23 сентября 2026 г. · 3 мин чтения

Что произошло: Fine-tuning LLMs on translation data causes catastrophic forgetting, and standard mitigation methods fail to preserve translation-specific instruction following like formality control.
Почему это важно: Engineers building multilingual systems or adapting LLMs for machine translation need to understand trade-offs between general capability retention and translation task performance.
На что обратить внимание: Elastic Weight Consolidation preserves general benchmarks but not translation-specific controls; data mixing works only on seen prompts and does not generalize to unseen variants.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.