본 논문은 대규모 언어 모델(LLM)이 기계 번역(MT), 특히 자원이 부족한 언어와 충분한 병렬 말뭉치, 언어 도구, 컴퓨팅 인프라가 부족한 분야에 미치는 영향에 대한 종합적인 개요를 제시합니다. LLM을 MT에 활용하는 최근의 진전, 즉 소수 샷 프롬프팅, 교차 언어 전이, 매개변수 효율적인 미세 조정(예: LoRA, 어댑터) 등의 기술을 분석하고, 역번역 및 어휘 증강을 포함한 LLM을 사용한 합성 데이터 생성 전략을 탐구합니다. 또한 다양한 언어 쌍에서 LLM 기반 번역과 기존 인코더-디코더 모델을 비교하여 각각의 강점과 한계를 강조하고, 환각, 평가 불일치, 상속된 편향과 같은 지속적인 과제와 함께 새로운 LLM 기반 번역 품질 측정 기준을 평가합니다. 마지막으로, 강력하고 포괄적이며 확장 가능한 MT 시스템을 구축하기 위한 실용적인 통찰력과 미래 방향을 제시합니다.
