新的“Translation with Thought”框架提高了机器翻译的质量和效率

研究人员开发了一个名为“Translation with Thought”（TwT）的新框架，以改进多领域机器翻译。TwT通过结合监督微调和强化学习，根据文本的复杂性调整其推理过程，从而模仿人类译者的行为。该框架使用DeepSeek-R1的蒸馏推理轨迹进行训练，并由GPT-4o改写。在众多基准测试和语言上的评估表明，即使是TwT-7B和TwT-14B等较小的TwT模型，也比大型最先进的推理模型实现了更高的翻译质量并减少了令牌使用。 AI

影响 这项研究通过模仿人类认知过程，有望带来更高效、更高质量的机器翻译系统。

排序理由 该集群包含一篇详细介绍新机器翻译框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• DeepSeek-R1
• Gotit.pub
• GPT-4o
• Hugging Face
• ScienceCast
• TwT
• TwT-14B
• TwT-7B

• 论文
• 模型发布

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