本文第一作者是徐婷，是香港中文大学博士生，重要钻研兴致是大模型的后训练；通讯作者别离是黄志超和程善伯，来自字节跳动Seed团队。 此刻，这些问题迎来了新的解决规划。来自香港中文大学、字节跳动 Seed 和斯坦福大学的钻研团队联手提出了一种面向同声传译的序贯战术优化框架 (Sequential Policy Optimization for Simultaneous Machine Translation, SeqPO-SiMT) 该步骤将同传工作奇妙地建模为序贯决策过程，通过优化齐全的决策序列，显著提升了翻译质量，同时有效节造了延长，其机能直逼、甚至在某些方面超过了一致大幼的离线翻译模型。 同声传译的主题在于机械必要动态地决定 “持续听”（READ）还是 “起头说”（WRITE）。这个决策直接影响最终的翻译成效。例如，当模型接管到英文单词 “bark” 时，它面对一个困境：若是立即翻译，可能会译为 “狗接妆，但若后文出现 “of the tree”，则正确翻译应为 “树皮”。 传统的同传步骤，它每一步决策（是持续听，还是起头翻译）都是孤立的。它可能会由于面前的 “幼利”（好比翻译出一个词）而就义掉全局的 “大利”（整个句子的流畅度和正确性）。 针对这一难点，该论文提出了 SeqPO-SiMT 框架。其主题思想是将同声传译工作建模为一个序贯决策问题，综合评估整个翻译流程的翻译质量和延长，并对整个决策序贯进行端到端的优化。 该步骤的重要特点是：它不再孤立地评估每一步决策的曲直，而是将一整句话的翻译过程（即一个齐全的决策序贯）视为一个整体，更切合人类对同传的评估过程。 为了验证步骤的有效性，钻研者们在多个公开的英汉互译测试集上进行了尝试，并与多种现有的同传模型进行了对比。尝试了局显示：在低延长水平下，SeqPO-SiMT 框架天生的译文质量相较于基线模型有显著提升。 本文将 SeqPO-SiMT 的实时同传了局与多个高机能模型的离线翻译了局进行对比。了局显示，SeqPO-SiMT 的翻译质量不仅优于监督微调（SFT）的离线模型及 LLaMA-3-8B，其阐发甚至能媲美甚至超过 Qwen-2.5-7B 的离线翻译水平。这批注该步骤在 70 亿参数（7B）规模上实现了业界顶尖（SoTA）的机能。 总的来说，SeqPO-SiMT 这项工作的重要贡献在于，为解决同声传译中的质量 - 延长衡量问题提供了一个新的视角。它强调了对决策 “序贯” 进行整体优化的沉要性。该钻研提出的步骤，对于必要进行实时、陆续决策的天然说话处置工作拥有肯定的参考意思，并为未来开发更高效、更智能的同声传译系统提供了有价值的索求。