标签
本文介绍了针对西班牙语-英语、法语-英语和葡萄牙语-英语的科学机器翻译平行语料库和单语语料库的开发，涉及四个领域：癌症研究、能源研究、神经科学和交通运输。这些语料库用于微调神经机器翻译系统，以解决科学文本中专业词汇和句法带来的挑战。
佛罗里达大学Gators团队提交至AmericasNLP 2026共享任务，该任务涉及面向土著语言的文化图像描述。我们采用双阶段流水线：使用Qwen2.5-VL生成西班牙语中间描述，然后通过检索增强的多示例提示，利用Gemini 2.5 Flash生成目标语言描述。与基线相比，取得了显著提升。
本文介绍了一个直接的手语到手语翻译模型，它绕过了中间文本，通过使用回译来创建合成的平行手语数据，在ASL、CSL和DGS上，相较于级联方法，在速度和准确性上取得了显著提升。
本文介绍了Agentic AI Translate，一个智能体翻译器原型，它取代了传统的文本输入/文本输出范式，采用基于翻译研究理论的四阶段智能体循环，旨在将翻译重新定义为沟通设计而非文本转换。
本文将组相对策略优化（GRPO）应用于编码器-解码器Seq2Seq模型，用于机器翻译微调，使用无需并行数据的无参考奖励（LaBSE和COMET-Kiwi），并在13种语言上取得了一致的改进。
本文介绍了ForMaT，一个包含15个语言对、3,956个PDF文件的平行语料库，专为视觉引导的多语言翻译而设计，保留了布局元数据，用于对布局感知的机器翻译系统进行基准测试。
本文证明，小型开放权重LLMs（参数小于30B）能够实现具有竞争力的可解释翻译质量评估，包括MQM错误标注和修正，与更大的专有模型相媲美，同时保护数据隐私。
本文利用来自106部小说的130,486个段落，实证研究了文学翻译中流畅性与忠实度之间的权衡，发现人类翻译和Google翻译存在一致的负相关，而TranslateGemma的相关性较弱。
比较了DeepL、使用基本提示的Gemini以及使用术语表增强提示的Gemini在岩画西班牙语-英语术语翻译中的表现，发现术语表增强提示达到了最高的术语准确率（81.4%）。
本文提出使用基于语义奖励的强化学习（通过GRPO）来将LLM扩展到低资源语言，避免了典型的灾难性遗忘对齐代价，展示了相比监督微调更好的语义质量和迁移性。
本文针对资源匮乏的印地语系语言进行了一项关于视觉引导电影字幕翻译的案例研究，证明选择性视觉接地（visual grounding）在解决时间错位挑战的同时，能够有效提升翻译质量。
对 TranslateGemma-12b 翻译结果的人工审核显示，71% 被自动指标评定为合格的片段实际上存在错误，凸显了仅依赖自动指标评估多语言翻译质量时的显著不足。
腾讯 AngelSlim 团队发布了 Hy-MT1.5-1.8B-1.25bit，这是一款高度压缩的 1.25 位机器翻译模型，支持 33 种语言，体积仅 440MB，可在设备端运行。该模型采用 Sherry 量化算法，实现了世界一流的翻译质量，可与体积大得多的模型相媲美。
研究者开发KokborokMT，一款面向低资源语言Kokborok的神经机器翻译系统，通过在36k句对平行语料上微调NLLB-200，在en→trp方向取得17.30 BLEU分，trp→en方向达38.56。
ReflectMT提出两阶段强化学习方法，让大推理模型把反思能力内化，实现单次高质量翻译，比DeepSeek-R1等多步推理模型少用94%的token。
# 利用可验证奖励强化学习激励参数知识用于跨文化实体翻译 来源：[https://arxiv.org/html/2604.16881](https://arxiv.org/html/2604.16881) Jiang Zhou1, Xiaohu Zhao2, Xinwei Wu1, Tianyu Dong1, Hao Wang2, Yangyang Liu2, Heng Liu2, Linlong Xu2, Longyue Wang2, Weihua Luo2, Deyi Xiong1† 1天津大学 TJUNLP 实验室，中国 2阿里巴巴集团，中国 [dyxiong@tju\.edu\.cn](https://arxiv.org/html/2604.16881v1/mailto:[email protected]) ###### 摘
CLewR引入了一种带重启的课程学习策略，用于通过偏好优化改进LLM的机器翻译性能。该方法通过多次迭代简易到困难的课程来解决灾难性遗忘问题，在Gemma2、Qwen2.5和Llama3.1模型上展现了一致的性能提升。
LibreTranslate 是一个免费开源机器翻译 API，可自行托管，使用 Argos Translate 而非专有服务。