GemmaX-28-9B

新的强化学习框架通过自奖励和新词感知方法推进机器翻译

研究人员开发了SSR-Zero，一个新颖的用于机器翻译的强化学习框架，它消除了对外部人工标注数据或预训练奖励模型的需求。通过利用自评估奖励和Qwen-2.5-7B骨干模型，SSR-Zero在英汉翻译任务上取得了优于现有模型的性能。通过外部监督进行的进一步增强，如在SSR-X-Zero-7B中所见，已实现了最先进的性能，超越了开源和闭源的替代品。