某研究團隊正在訓練一個針對低資源語言（如少數民族語言）的語言模型，但該語言僅有約1萬筆語料可用。在訓練過程中出現明顯的過擬合現象，若希望在不新增真實語料的前提下提升模型的泛化能力，採用下列哪一種方法最為適合？
iPAS 考題解析
某研究團隊正在訓練一個針對低資源語言（如少數民族語言）的語言模型，但該語言僅有約1萬筆語料可用。在訓練過程中出現明顯的過擬合現象，若希望在不新增真實語料的前提下提升模型的泛化能力，採用下列哪一種方法最為適合？
- A. 將Transformer的隱藏層維度擴增至1024，以提升表徵能力
- B. 採用反向翻譯（Back-Translation）技術，以生成額外目標語句的偽平行語料（Pseudo-Parallel Corpus） ✓ 正確答案
- C. 對詞嵌入矩陣（Embedding Matrix）施加L1正則化以壓縮模型參數
- D. 將多語言BERT（mBERT）中所有Transformer層全部凍結以保留預訓練知識
詳細解析
反向翻譯技術將目標語言句子翻譯成另一語言再翻回，生成大量偽平行語料，有效擴充低資源語言的訓練資料量，不需要人工標註即可改善過擬合問題。
出題年份：114 難度：★★☆