鎖巧蘭

本文第一作者是徐婷，是香港中文大學博士生，主要研究興趣是大模型的后訓練；通訊作者分別是黃志超和程善伯，來自字節(jié)跳動Seed團隊。

你是否經(jīng)歷過這樣的場景：觀看一場激動人心的全球發(fā)布會，AI字幕卻總是慢半拍，等你看到翻譯，臺上的梗已經(jīng)冷掉了。

或者，在跨國視頻會議上，機器翻譯的質(zhì)量時好時壞，前言不搭后語，讓人啼笑皆非。

這就是同聲傳譯（SimultaneousMachineTranslation,SiMT）領(lǐng)域一直以來的核心技術(shù)挑戰(zhàn)：“質(zhì)量-延遲”權(quán)衡問題（Quality-LatencyTrade-off）。

現(xiàn)在，這些問題迎來了新的解決方案。來自香港中文大學、字節(jié)跳動Seed和斯坦福大學的研究團隊聯(lián)手提出了一種面向同聲傳譯的序貫策略優(yōu)化框架(SequentialPolicyOptimizationforSimultaneousMachineTranslation,SeqPO-SiMT)。

該方法將同傳任務(wù)巧妙地建模為序貫決策過程，通過優(yōu)化完整的決策序列，顯著提升了翻譯質(zhì)量，同時有效控制了延遲，其性能直逼、甚至在某些方面超越了同等大小的離線翻譯模型。

論文標題:SeqPO-SiMT:SequentialPolicyOptimizationforSimultaneousMachineTranslation

研究背景

同聲傳譯的核心在于機器需要動態(tài)地決定“繼續(xù)聽”（READ）還是“開始說”（WRITE）。這個決策直接影響最終的翻譯效果。例如，當模型接收到英文單詞“bark”時，它面臨一個困境：如果立即翻譯，可能會譯為“狗叫”，但若后文出現(xiàn)“ofthetree”，則正確翻譯應(yīng)為“樹皮”。

傳統(tǒng)的同傳方法，它每一步?jīng)Q策（是繼續(xù)聽，還是開始翻譯）都是孤立的。它可能會因為眼前的“小利”（比如翻譯出一個詞）而犧牲掉全局的“大利”（整個句子的流暢度和準確性）。

核心方法

針對這一難點，該論文提出了SeqPO-SiMT框架。其核心思想是將同聲傳譯任務(wù)建模為一個序貫決策問題，綜合評估整個翻譯流程的翻譯質(zhì)量和延遲，并對整個決策序貫進行端到端的優(yōu)化。

該方法的主要特點是：它不再孤立地評估每一步?jīng)Q策的好壞，而是將一整句話的翻譯過程（即一個完整的決策序貫）視為一個整體，更符合人類對同傳的評估過程。

其中，λ是一個超參數(shù)，用于權(quán)衡質(zhì)量與延遲的重要性。

實驗結(jié)果與分析

為了驗證方法的有效性，研究者們在多個公開的英漢互譯測試集上進行了實驗，并與多種現(xiàn)有的同傳模型進行了對比。實驗結(jié)果顯示：在低延遲水平下，SeqPO-SiMT框架生成的譯文質(zhì)量相較于基線模型有明顯提升。

本文將SeqPO-SiMT的實時同傳結(jié)果與多個高性能模型的離線翻譯結(jié)果進行對比。結(jié)果顯示，SeqPO-SiMT的翻譯質(zhì)量不僅優(yōu)于監(jiān)督微調(diào)（SFT）的離線模型及LLaMA-3-8B，其表現(xiàn)甚至能媲美乃至超越Qwen-2.5-7B的離線翻譯水平。這表明該方法在70億參數(shù)（7B）規(guī)模上實現(xiàn)了業(yè)界頂尖（SoTA）的性能。

總結(jié)與討論

總的來說，SeqPO-SiMT這項工作的主要貢獻在于，為解決同聲傳譯中的質(zhì)量-延遲權(quán)衡問題提供了一個新的視角。它強調(diào)了對決策“序貫”進行整體優(yōu)化的重要性。該研究提出的方法，對于需要進行實時、連續(xù)決策的自然語言處理任務(wù)具有一定的參考意義，并為未來開發(fā)更高效、更智能的同聲傳譯系統(tǒng)提供了有價值的探索。

一部九龍奪嫡的歷史小說

小說:穿越成皇子陷九龍奪嫡,他智謀雙全,終掌天下權(quán)醉臥美人膝

特種兵王穿越成六皇子,九龍奪嫡,他逆襲稱帝醉臥美人膝