arXiv cs.CL· Linjuan Wu, Yiwen Qiu, Xinze Lyu, Dingming Li, Hui Yao, Zhongyi Sang, Ye Guo, Daoxin Zhang, Zhe Xu, Fei zhao, Mu Chuan, Yao Hu, Weiming Lu, Yongliang Shen·· 10 小时前AI 评分22
检索增强文化评估助力社交媒体翻译训练：CUE-MT 模型发布
Retrieval-Enhanced Cultural Evaluation for Social Media Translation Training
AI 导读
研究者用检索增强文化评估训练出 CUE-MT 系列社交媒体翻译模型，覆盖 9B、27B 和 35B-A3B 三种骨干规模，在 CUE-MT-Bench 和三个公开基准上优于同规模开源基线。人工评估显示，各规模组文化有效性比最强外部基线提升 7.44-15.12 个百分点；检索使 Judger 四分类准确率比无检索基线提升 8.07 个百分点。
正文 · AI 翻译
作者：Linjuan Wu、Yiwen Qiu、Xinze Lyu、Dingming Li、Hui Yao、Zhongyi Sang、Ye Guo、Daoxin Zhang、Zhe Xu、Fei zhao、Mu Chuan、Yao Hu、Weiming Lu、Yongliang Shen
摘要：社交媒体翻译需要在保留含义的同时捕捉用户生成内容（UGC）的文化细微差别。然而，基于 LLM 的评估器在文化知识上的缺口可能导致评估不准确和训练奖励不可靠。为改进这些信号，我们采用检索增强的文化评估来训练 CUE-MT，这是一系列社交媒体翻译模型。一个经过校准、领域专用的 Judger 指导监督数据精炼，并由一个 Agent 进行难例挖掘和强化学习来增强。该 Agent 按需检索相关外部证据，并将其提炼为简洁提示，供 Judger 用于为译文打分并分配奖励。在 9B、27B 和 35B-A3B 骨干模型上，CUE-MT 在 CUE-MT-Bench 和三个公开基准上优于所评估的同等规模开源基线。在 CUE-MT-Bench 上的人工评估显示，与各规模组中最强的外部基线相比，文化有效性提升了 7.44-15.12 个百分点。与仅使用 LLM 生成提示的匹配无检索基线相比，检索使 Judger 的四分类准确率提升了 8.07 个百分点。训练消融进一步支持难例挖掘与 Agent 增强奖励的结合。
| 评论： | 17 页。预印本 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.02009 [cs.CL] |
| （或本版本的 arXiv:2611.02009v1 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2611.02009 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Linjuan Wu [查看邮箱]
[v1]
2026 年 11 月 1 日星期日 15:52:25 UTC（2,449 KB）
来源：arXiv cs.CL · arxiv.org