연구진이 손상된 고문서 이미지와 한-놈 원문을 기반으로 베트남어 번역 모델을 개발했어요. CLIP, BERT, PhoBERT, T5를 결합해 시각적 특징과 언어 표현을 통합합니다. DPO 학습 방식이 PPO, KTO 방식보다 BLEU-4, ROUGE-L, BERTScore 등 여러 지표에서 우수한 성능을 보였어요.
다국어 RLHF 정렬은 사전 학습 모델의 어휘 및 의미 품질을 향상시켜 저자원 번역에 기여하는 것으로 나타났어요. 손상된 고문서 이미지와 한-놈 원문을 활용하여 베트남어 번역 품질을 개선하는 데 효과적입니다.