新翻译基准覆盖109种语言,LLM照规则自检通过率从7.2%跃升至89.8%
LChoshen · x · 2026-09-07
alphaXiv 收录的论文「Last Translation Benchmark」由苏黎世联邦理工、爱丁堡大学等多机构合作，构建了一个号称「最后的翻译基准」：
- 规模：3,456 个高难度翻译样例，覆盖 109 种语言。
- 评测方式：每个样例附带明确的验证规则，描述需避免的具体错误类型，如词义选错、双关语丢失、代词性别指代、文化含义、语气、多模态上下文等——用「是否规避具体错误」取代模糊的质量打分。
- 关键发现：给 LLM 提供人类撰写的规则后，verifier 通过率从 7.2% 跃升至 89.8%，说明瓶颈往往在于识别正确的翻译约束，而非满足约束本身。
「研究」频道最新
- FLUX.3 Klein 蒸馏到 4-8 步出图，CFG 直接烘进模型 — Fit-Structure-6489 · 2026-10-26
- 单靠 NLI 校验 Agent 记忆会误杀 5/6 新事实,加一道相似度门槛全部纠正 — Alternative_Pin9598 · 2026-10-26
- 别再拿「生物学」当医药研发的代名词：一位 AI 从业者的吐槽 — KevinKaichuang · 2026-10-26
- ostris 预训练新 VAE「Primal VAE」:单通道潜空间实现等效 8 倍压缩 — ostrisai · 2026-10-26
- 上海AI实验室等发布 100 小时可穿戴采集人形机器人训练数据集 — ChuckDBrooks · 2026-10-26
- ConvFill：0.6B 小模型当嘴替，大模型在耳边递答案补延迟 — andimarafioti · 2026-10-26