用验证规则做翻译评测
zouharvi · x · 2026-07-17
他们在这个翻译基准里采用两项关键设计：
- 收集难以翻译的输入，包含文本、图片和音频
- 为每个样本要求人类可读的“验证规则”，让未来翻译结果可以被更可证明地评估
作者还展示了一些示例，说明这个基准试图覆盖更接近真实难题的翻译场景。
所属事件:Last Translation Benchmark征集难译样本(7 条相关)→
「研究」频道最新
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 果蝇大脑 LLM 权重上架 Hugging Face,兼容 transformers 可直接跑 — ngxson · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11
- 「Waymo 效应」：AI 正在悄悄让科研协作变少 — JohnHammersley · 2026-09-11
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11