摘要
针对多领域机器翻译中语言复杂度差异的挑战,本文提出TwT框架,模拟人类译者根据难度调整推理努力的能力。该方法在两个阶段训练:首先利用从DeepSeek-R1蒸馏并经GPT-4o重写的人类风格思维链进行监督微调;其次采用混合奖励的强化学习优化翻译质量与推理效率。实验显示,TwT模型在15个基准测试及多种语言设置下,不仅超越更大规模的SOTA推理模型,还显著降低了32%-60%的Token消耗,验证了认知对齐原则的有效性。
AI 推荐理由
论文核心在于通过强化学习优化推理过程(直觉与深思的权衡),直接研究LLM的推理机制与效率。
研究机构
Institute of Artificial Intelligence, Xiamen University
School of Informatics, Xiamen University
Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism
论文信息