ReflectMT：内化反思以实现高效高质量的机器翻译

近年来，大型推理模型在机器翻译领域应用广泛，但现有的“先思考后翻译”范式导致推理成本高昂。为此，本文提出 ReflectMT，一种采用“先翻译后思考”范式的两阶段反思内化算法。该方法利用强化学习培养模型的“翻译 - 反思 - 优化”能力：第一阶段提升高质量反思与修正能力；第二阶段将反思中获得的知识内化。推理时，模型无需显式推理步骤即可直接生成高质量翻译。实验表明，其在多项指标上优于多步推理模型，同时大幅降低令牌消耗。