PulseAugur
中
实时 05:58:16
English(EN) $M^2PO$: Multi-Perspective Multi-Pair Preference Optimization for Machine Translation

$M^2PO$框架提升了大型语言模型机器翻译的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

一个名为$M^2PO$的新框架已被开发出来，用于改进大型语言模型（LLMs）的机器翻译。该方法解决了当前模型经常偏好流畅但不准确的翻译，忽略了幻觉和遗漏等部分错误的关键问题。$M^2PO$采用双视角方法区分流畅度和忠实度，并使用多对目标来更好地捕捉细微错误。实验表明，使用$M^2PO$的90亿参数模型在WMT23、WMT24和FLORES-200+等基准测试上，其性能可媲美GPT-4o和Gemini-2.0-Flash等专有模型。 AI

影响 这项研究通过解决细微的错误类型，可能带来更准确可靠的机器翻译系统。

排序理由 这是一篇详细介绍机器翻译新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

$M^2PO$框架提升了大型语言模型机器翻译的准确性

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Hao Wang, Linlong Xu, Heng Liu, Yangyang Liu, Xiaohu Zhao, Bo Zeng, Liangying Shao, Yichen Dong, Xinwei Wu, Jiang Zhou, Tianyu Dong, xiangxiang Zeng, Longyue Wang, Weihua Luo ·

    $M^2PO$：多视角多对偏好优化用于机器翻译

    arXiv:2510.13434v2 Announce Type: replace Abstract: Aligning Large Language Models (LLMs) with human preferences is pivotal for Machine Translation (MT), yet current approaches are often hindered by misleading reward signals. Our analysis reveals that prevailing Quality Estimatio…

相关实体

相关话题