AITOP

机器翻译

共 7 条相关 AI 资讯
8月3日
09:19
09:19官方一手arXiv: DeepSeek@Yongshi Ye, Biao Fu, Chongxuan Huang, Yidong Chen, Xiaodong Shi
精选
TwT（Translation with Thought）是一个难度自适应的多领域机器翻译框架，通过强化学习在直觉与深思推理间动态切换。该模型先利用DeepSeek-R1蒸馏并由GPT-4o重写的长思维链进行监督微调，再通过混合奖励优化翻译质量与推理效率。在15个基准、3种已见语言和59种未见语言上，TwT-7B和TwT-14B的翻译质量超过更大的SOTA推理模型，同时token用量减少32%至60%。
论文TwTDeepSeek-R1GPT-4o
推荐理由：这个TwT框架让翻译模型根据难度动态调整思考量，7B和14B的小模型打过大模型，token还省了30%到60%，做多领域翻译的可以看看。
原文
7月31日
17:23
7月23日
11:28
11:28官方账号arXiv cs.AI@Yiming Wang, Jiayuan Di
本研究系统评估了大型语言模型（LLM）在文化负载翻译中的表现。使用《红楼梦》构建了500条中-日双语数据集，覆盖多种文化类别。发现前沿LLM对文化负载内容存在显著性能差距。人工评估中，不同文化背景的评估者导致明显分歧。常用自动评估指标如BLEU无法可靠评估翻译质量。
论文《红楼梦》机器翻译文化负载
推荐理由：这篇论文用《红楼梦》测了LLM翻译文化内容的能力，结果发现GPT-4也不好使，连人工打分都吵起来了。适合关注翻译质量的人看。
原文
6月3日
10:30
10:30官方一手arXiv: DeepSeek@Baijun Ji, Zixuan Zhou, Xiangyu Duan, Yu Liu, Longbo Sun, Rupu Wei, Bohong Zhao
文档级机器翻译需要捕捉长距离的篇章依赖关系，现有方法缺乏对结构化篇章依赖的显式建模。本文提出 G^2C-MT，将上下文选择视为轻量级篇章图上的结构化路径发现问题，通过将段落表示为节点并建模语义相似度、邻接和关键词重叠关系，再使用深度偏置随机游走采样上下文路径，引导大模型翻译。该方法支持多路径采样，能聚合多样候选翻译以提升鲁棒性。实验表明，G^2C-MT 在 DeepSeek-V3、Gemini-2.5-Flash-lite 和 Qwen-2.5/3 系列等多个大模型上均优于强基线。
论文文档级翻译图引导上下文篇章建模
推荐理由：做文档翻译或长文本处理的团队终于有了不依赖昂贵 LLM 的上下文建模方案——G^2C-MT 用图结构替代暴力检索，翻译质量提升且成本可控，做 NLP 应用的建议点开看看方法细节。
原文
5月30日
13:34
13:34官方账号Cohere@cohere
Cohere 宣布其 Command A+ 模型在机器翻译方面取得新突破，性能显著超越开源对手如 Mistral Medium 3.5、DeepSeek 和 OpenAI 的 gpt-oss，甚至优于专业翻译系统 Google Translate。与 RWS 合作开发的系统表现更佳，但 A+ 已拉开明显差距。这标志着 Cohere 在翻译领域的竞争力大幅提升，尤其对需要高质量翻译的企业用户意义重大。
AI模型CohereCommand A+机器翻译
事件专题
推荐理由：做多语言内容或翻译服务的团队值得关注——Cohere 的 A+ 模型在翻译质量上已经超过主流开源和专有方案，可以直接用于生产环境，省去自研或调优的麻烦。
原文
5月22日
13:06
5月14日
13:37
13:37官方账号Jeff Dean@JeffDean
精选
Google Translate 迎来20周年，Jeff Dean 回顾了其关键里程碑：2006年首次部署基于5-gram语言模型的系统，使用了万亿词级训练数据，是早期大语言模型实践；2016年转向深度神经网络，结合序列到序列模型和自研TPU，推理性能提升30-80倍，延迟降低15-30倍，使服务可覆盖数亿用户；近期又借助Gemini模型进一步优化。这些技术迭代持续提升了翻译质量和全球连接性。
AI产品Google Translate机器翻译大语言模型
推荐理由：Jeff Dean 亲自梳理了 Google Translate 从统计方法到神经网络的两次关键跃迁，做 NLP/翻译系统的开发者能从中看到技术选型的真实演进逻辑，值得一读。
原文