來源：有道AI情報局

自2022年11月30日ChatGPT問世，大語言模型在全球掀起熱潮，眾多高校、科研機構及AI企業紛紛投身其中，探索其在各行業的應用潛力與創新模式。

作為國內機器翻譯領域深耕多年的技術團隊，我們曾率先成功推出統計機器翻譯及神經網絡機器翻譯服務，并持續迭代。

• 憑借豐富的業務生態與深厚的技術積累，2023年伊始，有道迅速開啟以“應用落地” 為導向的翻譯大模型自研之路。
• 經過持續的技術攻關和優化迭代，2023年6月，“子曰翻譯大模型1.0”正式推出；
• 2024年5月，實現“子曰翻譯大模型1.5”上線部署，至今已過去七個月。期間有道翻譯的用戶們積極使用我們的服務，并且慷慨地分享了眾多極具價值的反饋與建議。

如今，子曰翻譯大模型2.0已正式與大家見面，這象征著我們在語言翻譯技術的征途上又邁出了堅實而重要的一步，相信能夠為我們的用戶帶來更加出色的翻譯體驗。

從1.5到2.0, 質的飛躍

整體性能上，子曰翻譯大模型 2.0相較于1.5版本實現了質的飛躍。這背后，是我們從數據、算法以及評估三個關鍵維度所展開的深入探索與系統性升級。

在數據層面，為訓練面向翻譯任務的基座模型，我們精心收集了并嚴格清洗了數千萬高質量的翻譯數據。不僅確保了數據的準確性與適配性，為模型訓練打下了牢固的根基，更極大地豐富了數據資源庫，讓模型在多樣化翻譯場景中游刃有余。此外，我們基于海量的翻譯提示進行了精細化的人工標注，有效地提升了數據標注的質量，為模型執行翻譯任務提供了精準的指導。

在算法層面，以子曰教育大模型為基礎，我們進行了二次預訓練，成功打造出了更具專業性與針對性的翻譯基座大模型，顯著提升了翻譯性能。這其中，我們運用了先進的大模型蒸餾技術，讓模型在精簡參數的同時，運行效率與推理速度大幅提升；創新性地使用了大模型融合技術，將多個模型優勢進行整合，進一步增強了翻譯的準確性與穩定性；我們還實現了基于人類偏好的翻譯數據自動獲取，并以此進行強化學習；通過引入Online DPO技術，動態調整模型生成策略，保證了譯文的質量與流暢度的提升。此外，多任務聯合學習的開展，讓模型能夠在多個翻譯任務中協同進步，綜合翻譯能力得到了顯著增強。

在評估層面，我們人工標注了覆蓋各個領域的開發集和盲測集，嚴格確保了測試數據的全面性和代表性。我們對算法團隊所使用的開發集和盲測數據集實行嚴格分離、相互獨立，以確保評估的客觀性與準確性，模型最終效果以盲測集效果為準。在自動指標評估上，除了基于comet的自動化指標，我們還自主訓練了超越comet準確率的基于大模型的翻譯評估模型，為性能評估提供更可靠依據。同時，我們設計并執行了更完善的人工評估方案，從多維度對模型的翻譯結果進行細致地分析和評價。

正是通過這三個層面的全方位優化與升級，子曰翻譯大模型2.0在翻譯質量、效率以及魯棒性等方面實現了質的飛躍，能夠為用戶帶來更優質、精準的翻譯服務。

性能遠超國內外通用大模型及專用翻譯模型

為了展示子曰翻譯大模型 2.0 的性能，我們在WMT以及Flores200的測試集上進行了中英互譯的基準測試。

（采用測試集測試的結果）

為精準、客觀地評估子曰翻譯大模型2.0中英互譯能力在行業中的表現，我們與多個國內外領先通用大模型及專業翻譯器如DeepL Pro，進行了人工評估對比。

通過嚴謹的人工采集流程，我們構建了涵蓋人文學科、商學、生活服務、醫療、科學等多個領域的數據樣本集，并制定了全面精細的MQM評測方案，從專業性、準確性、語言慣例和風格等維度打分。

最終，五位資深翻譯專家獨立評估的結果匯總如下：

以上對比，凸顯了子曰翻譯大模型2.0在專有閉源模型中的競爭優勢——在翻譯準確性和流暢度上，遠優于國內外通用大模型及專用翻譯模型

該測試不僅客觀地呈現了我們的優勢，也精準地指明了未來有待優化和改進的方向，堅定了我們在機器翻譯領域持續推進改進與創新的決心。

但我們深知仍面臨諸多挑戰，在后續的工作中，我們將全力去推進支持更長文本輸入、拓展更多模態的輸入，以及增加更多語種的支持工作，我們期待在不久之后下一代子曰翻譯大模型能跟大家見面。

在此歡迎各位持續關注更多有道AI技術的進展與突破，也誠邀大家前來體驗“子曰翻譯大模型 2.0”，期待您的反饋。

附：可體驗入口

1、有道詞典APP-首頁入口

2、有道翻譯桌面版-首頁入口

3、有道翻譯網頁端-AI翻譯入口