L’équipe MiLMMT publie des modèles de traduction sans référence
MiLMMT-46-v1.0 utilise GRPO et l’interpolation de checkpoints pour améliorer la traduction multilingue ouverte.
Pourquoi c'est important
Ces travaux suggèrent que les récompenses sans référence peuvent améliorer la traduction multilingue sans dépendre de traductions humaines de référence pour chaque paire de langues. Ils fournissent aussi aux chercheurs des modèles ouverts et du code pour tester des méthodes de post-entraînement de la traduction fondées sur le RL.
Points clés
- 1.GRPO sans référence a amélioré MiLMMT sur 46 langues.
- 2.Dans l’étude, l’interpolation de checkpoints a dépassé la distillation on-policy.
- 3.Les modèles et le code ont été publiés pour un usage de recherche.
Des chercheurs ont publié MiLMMT-46-v1.0, une famille ouverte de modèles de traduction automatique multilingue construite à partir de MiLMMT-46-v0.1 avec un post-entraînement sans référence. La méthode applique GRPO en s’appuyant sur les récompenses de deux modèles d’estimation de qualité sans référence, filtrées par identification de la langue, puis interpole linéairement les checkpoints SFT et RL. Sur 46 langues, les modèles ont progressé par rapport à leurs équivalents SFT, dépassé les références ouvertes citées, dont Seed-X, HY-MT2 et TranslateGemma, et obtenu des scores sans référence de premier plan face aux systèmes propriétaires évalués.
⚡ À tester aujourd'hui
Évaluez MiLMMT-46-v1.0 et son code publié avant de choisir une référence ouverte pour la traduction multilingue.
Sources et articles originaux
Ce brief résume et renvoie vers la couverture des médias ci-dessous.
- arXiv cs.AIWhen the API Speaks the Wrong Language: Revisiting Post-Training for Multilingual Tool UseAug 13, 12:00 PM↗
- arXiv cs.CLWhen the API Speaks the Wrong Language: Revisiting Post-Training for Multilingual Tool UseAug 13, 12:00 PM↗
- arXiv cs.AIReference-Free Post-Training of Open Large Language Models for Multilingual Machine TranslationAug 12, 12:00 PM↗
- arXiv cs.CLReference-Free Post-Training of Open Large Language Models for Multilingual Machine TranslationAug 12, 12:00 PM↗
- arXiv cs.CLReference-Free Post-Training of Open Large Language Models for Multilingual Machine TranslationAug 12, 12:00 PM↗
- arXiv cs.CLEmbedding Initialization for Unseen Low-resource Languages in Multilingual NMT: A Case Study on Limbum-English TranslationAug 11, 12:00 PM↗
- arXiv cs.LGEmbedding Initialization for Unseen Low-resource Languages in Multilingual NMT: A Case Study on Limbum-English TranslationAug 11, 12:00 PM↗
- HF Daily PapersReference-Free Post-Training of Open Large Language Models for Multilingual Machine TranslationAug 11, 4:00 AM↗
Ce brief vous a plu ? Recevez le prochain par e-mail.
Plus dans Recherche
Des chercheurs ciblent les lacunes du raisonnement spatial des VLM
De nouveaux articles proposent mémoire, RL et benchmarks pour renforcer l’intelligence spatiale des systèmes vision-langage.
De nouvelles études explorent l’intelligence spatiale dans l’IA visuelle
SpaRRTa, SMA et PinpointQA testent ou améliorent le raisonnement spatial des systèmes d’IA visuelle et incarnée.
CW-BASS v2 cible la sélection de pseudo-étiquettes avec DINOv2
La méthode adapte le filtrage pour la segmentation semi-supervisée sous l’égide de modèles de fondation enseignants.