Ying Li

新的跨偏好学习方法提高了机器翻译质量

研究人员推出了一种名为跨偏好学习（CPL）的新型训练框架，旨在增强机器翻译模型。CPL 显式地模拟了不同句子中上下文信息变化的益处，使模型能够在上下文信息有益时自适应地利用它，而在无益时保持鲁棒性。该方法将内部条件和跨条件偏好都整合到优化目标中。使用 Qwen3-4B、Qwen3-8B 和 Llama-3-8B-Instruct 等模型进行的实验表明，在无需架构更改的情况下，翻译质量和鲁棒性得到了持续改进。