论文摘要 · 2026-09-12
Cohere发布具备成本效益的大型语言模型翻译模型
North Small Translate: Advanced Cost-Effective Translation (Cohere CAT+)
- 做了什么
- 研究团队推出了基于大型语言模型的具备成本效益的机器翻译模型“North Small Translate”，该模型在50种语言中表现出色。
- 核心结果
- 该模型在参数量小于1万亿的模型组中，在50种语言上实现了顶尖的机器翻译性能。
- 意义
- 这展示了在推理过程中无需昂贵计算即可高效执行各种语言翻译和后编辑任务的可能性。
研究背景
现有基于大型语言模型的机器翻译在成本和效率方面仍有改进空间。
方法
采用了结合筛选困难文档的难度采样、监督微调、偏好优化以及在线强化学习的5阶段训练协议。
主要结果
局限与待确认之处
摘要中未提供实际服务环境中的具体运营成本或硬件限制的详细数值。
术语解释
- LLM (大语言模型) — 通过学习海量文本来像人类一样写作和处理语言的人工智能模型。
- 机器翻译 (MT) — 人工智能自动将一种语言转换成另一种语言的技术。
- 参数 — 人工智能模型用于学习和判断的某种设置值或连接权重。
本摘要由 AI 根据论文摘要撰写，并经编辑审核。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。 具体数据与背景请查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
